Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Fundamentos de Machine Learning
- Introducción a Machine Learning conceptos y flujos de trabajo
- Aprendizaje supervisado vs. aprendizaje no supervisado
- Evaluación de modelos de aprendizaje automático: métricas y técnicas
Métodos bayesianos
- Bayes ingenuo y modelos multinomiales
- Análisis de datos categóricos bayesianos
- Modelos gráficos bayesianos
Técnicas de regresión
- Regresión lineal
- Regresión logística
- Modelos lineales generalizados (GLM)
- Modelos mixtos y modelos aditivos
Reducción de dimensionalidad
- Análisis de componentes principales (PCA)
- Análisis Factorial (FA)
- Análisis de componentes independientes (ICA)
Métodos de clasificación
- K-Vecinos más cercanos (KNN)
- Máquinas de vectores de soporte (SVM) para regresión y clasificación
- Modelos de impulso y ensamble
Neural Networks
- Introducción a las redes neuronales
- Aplicaciones del aprendizaje profundo en clasificación y regresión
- Entrenamiento y ajuste de redes neuronales
Algoritmos y modelos avanzados
- Modelos Ocultos de Markov (HMM)
- Modelos de espacio de estados
- Algoritmo EM
Técnicas de agrupamiento
- Introducción al clustering y al aprendizaje no supervisado
- Algoritmos de agrupación populares: K-Means, agrupación jerárquica
- Casos de uso y aplicaciones prácticas de la agrupación en clústeres
Resumen y próximos pasos
Requerimientos
- Conocimientos básicos de estadística y análisis de datos
- Programming experiencia en R, Python u otros lenguajes de programación relevantes
Audiencia
- Científicos de datos
- Estadísticos
14 Horas
Testimonios (3)
conocimiento del formador, personalizado, todos los temas cubiertos
eleni - EUAA
Curso - Forecasting with R
Traducción Automática
La variación con ejercicio y demostración.
Ida Sjoberg - Swedish National Debt Office
Curso - Econometrics: Eviews and Risk Simulator
Traducción Automática
Las aplicaciones de la vida real utilizando Statcan y CER como ejemplos.
Matthew - Natural Resources Canada
Curso - Data Analytics With R
Traducción Automática
