Lo que necesitas saber antes de
que comiences

Comienza 26 June 2025 08:04

Termina 26 June 2025

Starts anytime

course image

Aprendizaje Automático para un Rescate

Explora las aplicaciones del aprendizaje automático en el desarrollo de software, centrándote en enfoques basados en datos para clasificar a los desarrolladores y predecir los resultados de los proyectos.
code::dive conference via YouTube

code::dive conference

2765 Cursos


53 minutes

Actualización opcional disponible

Not Specified

Progreso a tu propio ritmo

Conference Talk

Actualización opcional disponible

Resumen

Explora las aplicaciones del aprendizaje automático en el desarrollo de software, centrándote en enfoques basados en datos para clasificar a los desarrolladores y predecir los resultados de los proyectos.

Programa de estudio

  • Introducción al Aprendizaje Automático
  • Visión general de los conceptos de aprendizaje automático
    Tipos de aprendizaje automático: supervisado, no supervisado y aprendizaje por refuerzo
    La importancia de los datos en el aprendizaje automático
  • Desarrollo de Software Basado en Datos
  • Métodos de recolección y preprocesamiento de datos
    Comprensión de conjuntos de datos relacionados con el desarrollo de software
    Selección y creación de características
  • Clasificación de Desarrolladores
  • Técnicas para la clasificación de desarrolladores
    Uso de datos demográficos y de comportamiento
    Estudios de caso sobre clasificación de desarrolladores
  • Predicción de Resultados de Proyectos
  • Identificación de métricas clave para el éxito del proyecto
    Construcción de modelos predictivos para resultados de proyectos
    Aplicaciones de análisis predictivo en la gestión de proyectos
  • Algoritmos de Aprendizaje Automático
  • Visión general de los algoritmos de clasificación: árboles de decisión, bosques aleatorios, máquinas de soporte vectorial
    Modelos de regresión para predicción
    Técnicas de agrupamiento y su aplicación
  • Implementación de Modelos de Aprendizaje Automático
  • Entrenamiento y evaluación de modelos
    Validación cruzada y ajuste de hiperparámetros
    Implementación de modelos de aprendizaje automático en entornos de software
  • Herramientas y Plataformas
  • Introducción a librerías populares de aprendizaje automático (por ejemplo, scikit-learn, TensorFlow, PyTorch)
    Uso de plataformas basadas en la nube para aprendizaje automático (por ejemplo, AWS, Google Cloud AI)
    Integración de herramientas en las canalizaciones de desarrollo de software
  • Consideraciones Éticas y Mejores Prácticas
  • Comprensión de sesgos en algoritmos
    Asegurar equidad y transparencia en las predicciones de los modelos
    Uso responsable del aprendizaje automático en contextos de desarrollo
  • Tendencias Futuras y Aplicaciones
  • Tecnologías emergentes en aprendizaje automático para el desarrollo de software
    El rol de la IA en entornos de desarrollo colaborativo
    Retos y oportunidades futuras
  • Proyecto Final
  • Definir el alcance de un proyecto que involucre datos del mundo real
    Desarrollar un modelo de clasificación o predicción
    Presentar hallazgos y reflexionar sobre los resultados del proyecto

Asignaturas

Charlas de Conferencia