Introducción a Machine Learning

Machine Learning: Introducción y desarrollo de los principales conceptos

Acerca de Python/Jupyter

Revisión de las principales librerías de Python a ser utilizadas

Análisis de Datos Exploratorio: Teoría

Análisis de Datos Exploratorio: Práctica

Aprendizaje Supervisado: Introducción y principales conceptos.

Entrenamiento de modelos: división de los datos y cross-validation

• Regresión vs Clasificación
• Función costo/pérdida
• Qué significa entrenar un modelo? Minimización de función péridda
• Evaluación de performance
• Pasos para armar un modelo exitoso

Regresión

Clasificación

• Algoritmos de clasificación
• Algoritmos de conjunto (ensemble)
• Evaluación de performance

Aprendizaje no supervisado

• Algoritmos no supervizados
• Algoritmos de conjunto (ensemble)
• Evaluación de performance

Del laboratorio a producción: desafíos y problemas comunes

La importancia de computación distribuida en Machine Learning

Introducción a redes neuronales Introduction to neural networks

• Definición
• Conceptos principales
• Ejemplo en Tensorflow
• Funciones de activación
• Entrenamiento de redes neuronales
• Problemas con múltiples clases y Softmax
• Redens Neuronales Convolucionales (CNN)
• Demostración con Keras
• Transfer Learning
• Ajuste de hiper-parámetros

Deep Learning: Qué es y dónde puede ser aplicado?

Machine Learning en mi organización: Como puedo implementar Machine Learning en los problemas que enfrento?