La alquimia de los algoritmos: Desbloqueando los secretos del aprendizaje automático

Resumen

En el mundo actual impulsado por los datos, el Aprendizaje Automático (ML) está a la vanguardia de la innovación tecnológica, impulsando aplicaciones que van desde recomendaciones personalizadas hasta diagnósticos médicos avanzados. Este curso integral está diseñado para proporcionarte una sólida base en algoritmos de Aprendizaje Automático y sus aplicaciones en el mundo real.

Ya seas un principiante o alguien con cierta experiencia previa en ML, este curso te guiará paso a paso a través de los conceptos esenciales y las técnicas prácticas necesarias para sobresalir en este campo.

Programa de estudio

• Introducción al Aprendizaje Automático
Definición e Importancia del Aprendizaje Automático
Resumen de las Aplicaciones del Aprendizaje Automático
• Fundamentos del Aprendizaje Automático
Conceptos Clave y Terminología
Tipos de Aprendizaje Automático: Supervisado, No Supervisado y Aprendizaje por Refuerzo
• Configuración del Entorno
Introducción a Python y Jupyter Notebooks
Bibliotecas Clave: NumPy, Pandas, Matplotlib, Scikit-Learn
• Preprocesamiento de Datos
Limpieza y Preparación de Datos
Escalado de Características y Normalización
Manejo de Valores Faltantes
• Algoritmos de Aprendizaje Supervisado
Regresión Lineal
Regresión Logística
Árboles de Decisión y Bosques Aleatorios
Máquinas de Soporte Vectorial
K-Vecinos Más Cercanos
• Técnicas de Evaluación de Modelos
División de Entrenamiento/Prueba y Validación Cruzada
Métricas de Evaluación: Precisión, Exactitud, Recuperación, Puntaje F1
• Algoritmos de Aprendizaje No Supervisado
Agrupamiento K-Means
Agrupamiento Jerárquico
Análisis de Componentes Principales (PCA)
• Introducción a las Redes Neuronales
Fundamentos de las Redes Neuronales
Introducción al Aprendizaje Profundo y Estructuras de Redes Neuronales
• Técnicas Prácticas en Aprendizaje Automático
Sobreajuste y Subajuste
Ajuste de Hiperparámetros
Selección y Validación de Modelos
• Aplicaciones del Mundo Real del Aprendizaje Automático
Sistemas de Recomendación
Conceptos Básicos de Procesamiento de Lenguaje Natural
Clasificación de Imágenes
• Tendencias de Vanguardia en Aprendizaje Automático
Aprendizaje por Transferencia
Aprendizaje Automático Automatizado (AutoML)
• Proyecto Final
Identificación de un Problema y Selección del Algoritmo Adecuado
Construcción, Evaluación y Presentación de una Solución de Aprendizaje Automático
• Revisión del Curso y Próximos Pasos
Recapitulación de Conceptos Clave
Recursos para Aprendizaje Adicional y Caminos Profesionales en IA y Aprendizaje Automático

Enseñado por

Vivian Aranha

Asignaturas

Ciencias de la Computación