Gracias por enviarnos su consulta. Un miembro de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva. Un miembro de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a la aplicación Machine Learning
-
Aprendizaje estadístico vs. aprendizaje automático
Iteración y evaluación
Equilibrio entre sesgo y varianza
Aprendizaje supervisado vs no supervisado
Problemas resueltos con Machine Learning
Prueba de validación de entrenamiento: flujo de trabajo de ML para evitar el sobreajuste
Flujo de trabajo de Machine Learning
Algoritmos de aprendizaje automático
Elegir el algoritmo adecuado para el problema
Evaluación de algoritmos
-
Evaluación de predicciones numéricas
Medidas de precisión: ME, MSE, RMSE, MAPE
Estabilidad de parámetros y predicciones
Algoritmos supervisados KNN Aumento de gradiente de conjunto SVM
-
Algoritmos no supervisados
Basado en la distancia
Métodos basados en la densidad
-
Métodos probabilísticos
Creación de modelos simples de aprendizaje profundo con Keras
-
Creación de un modelo Keras
Comprensión de los datos
Especificación del modelo de aprendizaje profundo
Compilación del modelo
Ajuste de su modelo
Trabajar con los datos de clasificación
Trabajar con modelos de clasificación
Uso de los modelos
Trabajar con TensorFlow para el aprendizaje profundo
-
Preparación de los datos
Descarga de los datos
Preparación de datos de entrenamiento
Preparación de los datos de prueba
Escalado de entradas
Uso de marcadores de posición y variables
Especificación de la arquitectura de red
-
Uso de la función de coste
Uso del optimizador
-
Uso de inicializadores
Requerimientos
- Experiencia con Python programación
- Familiaridad básica con la estadística y los conceptos matemáticos .
Audiencia
- Desarrolladores
- Científicos de datos
28 horas