Introducción a Machine Learning

Level:

Beginner

Date:

On demand

Duration:

5 days

Fechas

  • Argentina (Buenos Aires): 18.05.2020 – 22.05.2020
  • Estonia (Tallin): 15.06.2020 – 19.06.2020
  • Polonia (Varsovia): 22.06.2020 – 26.06.2020
  • Austria (Wiener Neustadt): 29.06.2020 – 03.07.2020
  • Sudáfrica (Ciudad del Cabo): 06.07.2020 – 10.07.2020
  • Soudáfrica (Johannesburg): 13.07.2020 – 17.07.2020

Descripción

Curso introductorio a Machine Learning, apuntado a analistas o managers técnicos que deseen dar sus primeros pasos Data Science. En este curso aprenderá cómo identificar problemas de Machine Learning e implementar soluciones en Python. Si bien en el curso se hará referencia a las funciones, librerías, etc. que se utilizarán, no se profundizará en los detalles del lenguaje. Por ello, es recomendable que los asistentes tengan al menos un conocimiento básico de Python.

La dinámica del curso involucra un enfoque conceptual teórico, así como actividades prácticas. El objetivo principal del curso es que los participantes aborden problemas reales, se encuentren con desafíos y aprendan a solucionarlos con la ayuda del instructor

Audiencia

Analistas / managers técnicos, con al menos un año de experiencia en programación (Idealmente, experiencia en Python)

Contenido

Día 1: 

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

 

Día 2: 

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

 

Día 3: 

Clasificación

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

 

Día 4: 

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

 

Día 5:

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?

Resumen general, preguntas, cierre.