Overview
Este curso digital está diseñado para ayudar a los responsables de la toma de decisiones empresariales a comprender los conceptos básicos del machine learning (ML).
- Nivel del curso: Fundamental
- Duración: 30 minutos
Nota: Este curso tiene transcripciones o subtítulos localizados. La narración está en inglés.
Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha del reproductor.
Actividades
Este curso incluye presentaciones, videos y evaluaciones de conocimientos.
Objetivos del curso
En este curso, aprenderá a realizar lo siguiente:
- Comprender los conceptos básicos del machine learning que ayuden a evaluar los beneficios y los riesgos que conlleva la adopción del ML en diversos casos empresariales
Destinatarios previstos
Este curso está dirigido a los siguientes destinatarios:
- Líderes empresariales sin conocimientos técnicos y demás responsables de la toma de decisiones empresariales que estén, o vayan a estar, involucrados en proyectos de ML
- Participantes del programa AWS Machine Learning Embark y de los talleres de descubrimiento del Machine Learning Solutions Lab (MLSL)
Requisitos previos
Recomendamos que los asistentes a este curso cumplan con los siguientes requisitos:
- Conocimientos básicos de computadoras y sistemas informáticos
- Algunos conocimientos básicos del concepto de machine learning
Esquema del curso
Módulo 1: ¿Cómo puede ayudar el machine learning?
- Definición del concepto de inteligencia artificial
- Definición del machine learning
- Descripción de los distintos dominios empresariales en los que incide el machine learning
- Descripción del bucle de retroalimentación positiva (volante) que impulsa los proyectos de ML
- Descripción del potencial del machine learning en los mercados poco utilizados
Módulo 2: ¿Cómo funciona el machine learning?
- Descripción de la inteligencia artificial
- Descripción de la diferencia entre la inteligencia artificial y el machine learning
Módulo 3: ¿Cuáles son algunos de los posibles problemas del machine learning?
- Descripción de las diferencias entre los modelos simples y los complejos
- Comprensión de los problemas de inexplicabilidad e incertidumbre en los modelos de machine learning