Scribd
Cargar
9 vistas

Brochure Machine

Cargado por

sebastian.orellana
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
9 vistas

Brochure Machine

Cargado por

sebastian.orellana
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 8

MACHINE LEARNING

CON PYTHON

Horas: Modalidad:
24 horas Online, clases en vivo con un docente
académicas especializado
Dirigido a: Profesor: Juan A. Chipoco Vidal
Consultor Internacional en Nuevas Tecnologías
Cualquier persona con conocimientos básicos de (Peru Bolivia UK Bahrain USA)
matemáticas.
Especialista en:
Acerca del curso: Sistemas Operativos:
Administración de sistemas UNIX/Linux, varios 'sabores',
Este curso proporciona una amplia introducción incluidos Red Hat, Centos, Mandrake, Fedora, Suse,
al aprendizaje automático. Ubuntu, Debian, Slackware, etc. Administración de
sistemas Windows 2010/20019. Mac, Plan 9 de los
Los temas incluyen: Laboratorios Bell.
Programación:
Aprendizaje supervisado (algoritmos Estructura de datos, métodos numéricos, algoritmos de
regresión, máquinas de vectores de soporte, programación, teoría de compiladores, máquinas de
Cernels, redes neuronales). Turing. Deep Learning, programación Unix avanzada en
Aprendizaje no supervisado (Clustering, lenguaje C/C++, sockets, multihilo, mutex. Marca, CVS. Mis
lenguajes de alto nivel incluyen C/C ++, Java, Pascal, Perl,
reducción de dimensionalidad). Python, PHP, Scheme, C# .NET Core, Visual Prolog, HTML,
Mejores prácticas en aprendizaje automático SWIFT, ANDROID varios BASICS, LOGO, AWK, modelado
(teoría de sesgo/varianza; proceso de UML, shell scripting. Mis ensambladores incluyen Z80,
innovación en aprendizaje automático e IA). 8088 y 80x86. VI, EMACS
SESIÓN 1 SESIÓN 3

Introducción al Machine Learning Clasificacion


 Conceptos y terminología de Machine Learning  Regresion Logistica
SESIONES
 Aprendizaje Supervisado
 Support Vector Machines
 Aprendizaje No Supervisado
 Kernel SVM
 Aprendizaje Reforzado
 Naive Bayes
 Pre procesamiento de datos
 Practica Pre procesamiento datos en Python  Practica algoritmos de clasificación (Python)

SESIÓN 2 SESIÓN 4

Regresion: Clustering
 Regresión Lineal  K-means
 Support Vector Regression  Clustering jerarquico
 Decision Tree Regression  Practica Clustering (Python)
 Random Forest Regression
 Practica algoritmos de regresión (Python)
SESIÓN 5 SESIÓN 6

Redes Neuronales Técnicas del Machine Learning


SESIONES
 Modelos  Reducción de la dimensionalidad
 Función de costo  Detección de anomalías.
 Forward Propagation  Practica PCA. (Python)
 Back Propagation  Introducción al Deep Learning (Próximo curso)
 Practica Redes Neuronales. (Python)
Al finalizar el curso el alumno será capaz: Evaluación:
Tener una buena intuición de los modelos de Finalizada cada clase se
Machine Learning asignará una práctica para ser
Crear modelos robustos de aprendizaje entregada vía email en el
automático transcurso de la semana.
Crear un fuerte valor agregado para su
empresa
Identificar las técnicas de aprendizaje
automático más efectivas y su aplicacion
práctica para implementarlas y hacer que
funcionen de manera correcta.
Saber qué modelo de Machine Learning
elegir para cada tipo de problema
ZOOM

* Si eres alumno UNI, este curso es válido para obtener créditos extracurriculares
PROYECCIÓN SOCIAL

FIM-UNI
(01) 381 3836
936 619 612 /925 952 131
[email protected]

También podría gustarte