Aprendizaje Automático y Ciencia de Datos: La Guía Visual Completa

Resumen

Este curso es para personas comunes que buscan una introducción intuitiva y accesible al mundo del aprendizaje automático y la ciencia de datos.

Programa de estudio

• Introducción al Aprendizaje Automático y Ciencia de Datos
Panorama General del Aprendizaje Automático
Conceptos Clave en Ciencia de Datos
Aplicaciones e Impacto en la Vida Cotidiana
• Entendiendo los Datos
Tipos de Datos: Estructurados vs. No Estructurados
Métodos de Recolección de Datos
Fundamentos de Limpieza y Preprocesamiento de Datos
• Visualización de Datos
Importancia de la Visualización de Datos
Herramientas y Técnicas Comunes
Creación de Visualizaciones Básicas
• Introducción a los Algoritmos de Aprendizaje Automático
Aprendizaje Supervisado vs. No Supervisado
Algoritmos Comunes: Regresión Lineal, Árboles de Decisión, Clustering k-Means
Introducción a la Evaluación de Modelos
• Construyendo un Modelo Simple de Aprendizaje Automático
Elegir las Herramientas Correctas (Python, nociones básicas de R)
Guía Paso a Paso para Construir un Modelo
Evaluación del Rendimiento del Modelo
• Introducción a Redes Neuronales y Aprendizaje Profundo
Fundamentos de Redes Neuronales
Visión General de Aprendizaje Profundo y sus Aplicaciones
• Consideraciones Éticas en el Aprendizaje Automático
Sesgo en Datos y Modelos
Preocupaciones de Privacidad y Seguridad de Datos
Implicaciones Sociales de la IA
• Herramientas y Bibliotecas de Aprendizaje Automático
Introducción a Bibliotecas Populares (Scikit-Learn, TensorFlow)
Configuración de un Entorno Básico
• Proyectos Prácticos
Proyecto de Clasificación Simple
Análisis Predictivo a Pequeña Escala
Creación de Historias con Datos y Reportes
• Resumen del Curso y Próximos Pasos
Resumen de los Conceptos Clave
Recursos para Aprendizaje Continuo
Trayectorias Profesionales en Aprendizaje Automático y Ciencia de Datos

---

Enseñado por

Maven Analytics, Chris Dutton and Joshua MacCarty

---

Asignaturas

Ciencia de datos