¡Consulta las fechas disponibles para el curso!

Si no hay fecha y hora disponibles para cierta capacitación que le interesa, comuníquese con nosotros. contacto.

Este curso dura 3 días con 8 horas cada uno (cursos presenciales) o 5 horas cada uno (cursos online).

La única diferencia es que habrá menos ejercicios prácticos en los cursos online. Sin embargo, se los entregaremos y los podrán hacer por su cuenta y pedir ayuda a nuestros consultores o realizar comentarios en caso de ser necesario.

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

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

Below you can find the topics that can be covered in this course. The actual choice of topics depends on the needs and interests of the course participants.

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?