Certificado profesional en Fundamentos Estadísticos del Aprendizaje Automático por Wolfram Research

Resumen

Dive into the foundations of machine learning (ML) with this comprehensive curriculum. Gain a deep understanding of AI and ML principles, enhancing your ability to design and implement advanced algorithms.

Explore core mathematical concepts, the ML life cycle, and practical applications using Wolfram Language. Master the building blocks of ML, from linear algebra to statistics.

Tune in, pass the final exam, and earn your certificate. This certificate is endorsed by Wolfram Research, pioneers of computational intelligence and scientific innovation.  Explore WolframU for open, interactive courses, learning events and other educational resources for professional and technical development.Explore the machine learning life cycle and core methods.Analyze linear algebra concepts for ML algorithms.Discover calculus foundations for ML implementation.Practice ML tasks using Wolfram Language functions.

Programa

• Introducción al Aprendizaje Automático
Definición y alcance del aprendizaje automático en IA
Resumen del ciclo de vida del aprendizaje automático
• Conceptos Matemáticos Básicos
Álgebra Lineal para el Aprendizaje Automático
Vectores, matrices y operaciones
Valores propios y vectores propios
Descomposición en valores singulares
Fundamentos de Cálculo
Derivadas e integrales en el aprendizaje automático
Regla de la cadena y aplicaciones de optimización
Probabilidad y Estadística
Distribuciones de probabilidad y muestreo
Pruebas de hipótesis e intervalos de confianza
Inferencia bayesiana
• Algoritmos de Aprendizaje Automático
Aprendizaje Supervisado
Regresión lineal y clasificación
Árboles de decisión y bosques aleatorios
Máquinas de vectores de soporte
Aprendizaje No Supervisado
Clustering K-means
Análisis de componentes principales
Aprendizaje de reglas de asociación
Introducción al Aprendizaje por Refuerzo
• Implementación de Aprendizaje Automático con Wolfram Language
Conceptos básicos de Wolfram Language para aprendizaje automático
Uso de funciones integradas de aprendizaje automático
Estudios de caso de aplicaciones de aprendizaje automático usando Wolfram Language
• Aplicaciones Prácticas y Ejercicios
Resolución de problemas de aprendizaje automático del mundo real
Ejercicios de codificación práctica en Wolfram Language
Proyectos: Diseño y evaluación de modelos personalizados de aprendizaje automático
• Temas Avanzados
Redes Neuronales y Aprendizaje Profundo
Métodos de ensamblaje y técnicas de aumento
Ajuste de hiperparámetros y validación de modelos
• Preparación para el Examen Final
Revisión de conceptos y métodos clave
Preguntas de muestra y exámenes simulados
• Finalización de Certificación
Detalles del examen y requisitos para la certificación
Próximos pasos en el desarrollo profesional y técnico
• Recursos Adicionales
Acceso a WolframU para aprendizaje adicional
Talleres, seminarios web y foros comunitarios

---

Impartido por

Kesha Williams, Terezija Semenski, MSc and Wolfram Research

---

Materias

Computer Science