Programa del Curso

Introducción a Neural Networks

Introducción a la aplicación Machine Learning

  • Aprendizaje estadístico vs. aprendizaje automático
  • Iteración y evaluación
  • Equilibrio entre sesgo y varianza

Aprendizaje automático con Python

  • Elección de bibliotecas
  • Herramientas complementarias

Conceptos y aplicaciones del aprendizaje automático

Regresión

  • Regresión lineal
  • Generalizaciones y no linealidad
  • Casos de uso

Clasificación

  • Repaso bayesiano
  • Bayes ingenuo
  • Regresión logística
  • K-Vecinos más cercanos
  • Use Cases

Validación cruzada y remuestreo

  • Enfoques de validación cruzada
  • Bootstrap
  • Use Cases

Aprendizaje no supervisado

  • Agrupación en clústeres de K-means
  • Ejemplos
  • Desafíos del aprendizaje no supervisado y más allá de K-means

Breve introducción a los métodos de PNL

  • Tokenización de palabras y oraciones
  • Clasificación de textos
  • Análisis de sentimiento
  • Corrección ortográfica
  • Extracción de información
  • análisis sintáctico
  • Extracción de significados
  • Respuesta a preguntas

Inteligencia Artificial y Deep Learning

Resumen técnico

  • R v/s Python
  • Caffe v/s Tensor Flow
  • Varias bibliotecas de aprendizaje automático

Casos prácticos de la industria

Requerimientos

  1. Debe tener conocimientos básicos de operación comercial y conocimientos técnicos también
  2. Debe tener conocimientos básicos de software y sistemas
  3. Comprensión básica de Statistics (en niveles de Excel)
  21 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (1)

Cursos Relacionados

Categorías Relacionadas