Programa del Curso

    Introducción al ML El aprendizaje automático como parte de la inteligencia artificial Tipos de ML Algoritmos de ML Desafíos y uso potencial del ML Sobreajuste y equilibrio entre sesgo y varianza en ML Técnicas de Machine learning El flujo de trabajo de aprendizaje automático Aprendizaje supervisado: clasificación, regresión Aprendizaje no supervisado: agrupación, detección de anomalías Aprendizaje semi-supervisado y Reinforcement Learning Consideración en el aprendizaje automático Preprocesamiento de datos Preparación y transformación de datos Ingeniería de características Escalado de características Reducción de dimensionalidad y selección de variables Visualización de datos Análisis exploratorio Casos de estudio Ingeniería avanzada de características e impacto en los resultados en la regresión lineal para la predicción Análisis de series temporales y previsión del volumen mensual de ventas : métodos básicos, ajuste estacional, regresión, suavizado exponencial, ARIMA, redes neuronales Análisis de la cesta de la compra y minería de reglas de asociación Análisis de segmentación mediante clustering y mapas autoorganizados Clasificación de qué cliente es probable que utilice por defecto la regresión logística, los árboles de decisión, xgboost, svm

 

Requerimientos

Conocimiento y concienciación de Machine Learning fundmentals

  14 horas

Número de participantes


Comienza

Termina


Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.

Precio por participante

Cursos Relacionados

Categorías Relacionadas