Qué necesitas saber antes de
comenzar

Inicio 4 June 2026 12:04

Fin 4 June 2026

00 Días
00 Horas
00 Minutos
00 Segundos
course image

Comprender los algoritmos de aprendizaje automático a través de ejemplos

Explore algoritmos y prácticas comunes de aprendizaje automático a través de ejemplos de la industria, aprende a elegir el algoritmo adecuado y descubre las soluciones de Azure ML para automatizar tareas sin necesidad de programación.
PASS Data Community Summit via YouTube

PASS Data Community Summit

6076 Cursos


1 hour

Actualización opcional disponible

Not Specified

Avanza a tu propio ritmo

Conference Talk

Actualización opcional disponible

Resumen

Explore common machine learning algorithms and practices through industry examples, learn to choose the right algorithm, and discover Azure ML solutions for automating tasks without coding.

Programa

  • Introducción al Aprendizaje Automático
  • Descripción General de Conceptos de Aprendizaje Automático
    Importancia y Aplicaciones en la Industria
    Introducción a la Plataforma Azure ML
  • Algoritmos de Aprendizaje Supervisado
  • Regresión Lineal
    Estudio de Caso: Predicción de Precios de Viviendas
    Implementación en Azure
    Árboles de Decisión
    Estudio de Caso: Evaluación de Riesgo de Crédito
    Implementación en Azure
    Máquinas de Vectores de Soporte
    Estudio de Caso: Clasificación de Textos
    Implementación en Azure
  • Algoritmos de Aprendizaje No Supervisado
  • Agrupamiento (k-Means)
    Estudio de Caso: Segmentación de Clientes
    Implementación en Azure
    Análisis de Componentes Principales (PCA)
    Estudio de Caso: Reducción de Dimensionalidad para Datos de Imágenes
    Implementación en Azure
  • Aprendizaje de Refuerzo
  • Introducción a Conceptos de Aprendizaje de Refuerzo
    Estudio de Caso: Estrategias de Precios Dinámicos
    Implementación en Azure
  • Evaluación y Selección de Modelos
  • Precisión, Exactitud y Revocación
    Curvas ROC y AUC
    Técnicas de Validación Cruzada
  • Elección del Algoritmo Correcto
  • Comprendiendo Tipos de Datos y Características
    Compensaciones y Consideraciones (Compensación Bias-Varianza)
    Guías Prácticas para la Selección de Algoritmos
  • Automatización de Tareas de Aprendizaje Automático
  • Introducción a Soluciones de ML Automatizado en Azure
    Configuración de Experimentos de ML Automatizado
    Mejores Prácticas para Automatizar Flujos de Trabajo de ML
  • Laboratorios y Proyectos Prácticos
  • Ejercicio: Construcción de un Modelo de Predicción Simple
    Proyecto: Canal de Aprendizaje Automático de Extremo a Extremo con Azure
  • Cierre y Siguientes Pasos
  • Revisión de Conceptos Aprendidos
    Recursos para Continuar Aprendiendo

Materias

Conference Talks