Aprendizaje Automático Práctico para IA: Habilidades Fundamentales y Experimentos

Resumen

Descubre los principios y aplicaciones del aprendizaje automático en este curso para no especialistas en aprendizaje automático.

Programa de estudio

- Introducción al Aprendizaje Automático -- ¿Qué es el Aprendizaje Automático? -- Contexto histórico y desarrollo -- Panorama de aplicaciones actuales - Principios Fundamentales del Aprendizaje Automático -- Tipos de Aprendizaje Automático: Supervisado, No Supervisado, Reforzamiento -- Conceptos clave: características, etiquetas, modelos -- Recolección y preprocesamiento de datos - Aprendizaje Supervisado -- Regresión lineal -- Algoritmos de clasificación (por ejemplo, árboles de decisión, SVMs) -- Métricas de evaluación: precisión, exactitud, recuperación, puntaje F1 - Aprendizaje No Supervisado -- Técnicas de agrupamiento: K-means, agrupamiento jerárquico -- Reducción de dimensionalidad: PCA, t-SNE -- Detección de anomalías - Introducción a Redes Neuronales -- Fundamentos de redes neuronales y aprendizaje profundo -- Comprensión de la arquitectura: capas, nodos, funciones de activación -- Proceso de entrenamiento: propagación hacia adelante y hacia atrás - Evaluación y Optimización de Modelos -- Técnicas de validación cruzada -- Ajuste de hiperparámetros -- Evitando el sobreajuste y el subajuste - Herramientas y Marcos -- Panorama de bibliotecas clave: Scikit-learn, TensorFlow, PyTorch -- Configuración del entorno: Anaconda, Jupyter Notebooks - Ética en el Aprendizaje Automático -- Sesgo y equidad en sistemas de IA -- Problemas de privacidad y seguridad de datos -- Responsabilidad y transparencia en modelos - Experimentos Prácticos -- Proyecto práctico: construir y evaluar un modelo de ML simple -- Desafíos y competiciones en Kaggle -- Ejercicios colaborativos y revisiones entre pares - Direcciones Futuras en el Aprendizaje Automático -- Tendencias en la investigación de IA y ML -- Carreras y roles en aprendizaje automático e IA -- Recursos para aprendizaje y desarrollo continuado

Enseñado por

Dev Kant

Etiquetas