Curso de Machine Learning e Inteligencia Artificial

Desarrollo de técnicas que permitan a las computadoras aprender.

El aprendizaje automático o Machine Learning tiene por objetivo desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos y reconocer patrones a partir de una información suministrada en forma de ejemplo (entrenamiento).

Se basa en la posibilidad de que los sistemas pueden aprender de datos y tomar decisiones con mínima intervención humana.

Objetivos

En Machine Learning aprenderás a razonar como lo hace un científico de datos, viendo lo que significa cada aplicación de cada algoritmo, debatirás la idoneidad de las diferentes soluciones y verás cómo se pueden interpretar creando conocimiento y aportando valor a los diferentes problemas de los clientes. Todo ello programando en el entorno de Rstudio, Google Colab, Knime y H2O.

Contenido

Formación Técnica

 

INTRODUCCIÓN

Haga clic aquí para saber más

  • Conceptos básicos.
  • Marco competitivo actual y tendenciasfuturas.

POWER BI

Haga clic aquí para saber más

  • Instalación.
  • Presentación del entorno.
  • Elaboración de aplicaciones básicas.

TIDYVERSE

Haga clic aquí para saber más

  • Presentación de la librería.
  • Utilización de dplyr con ejemplos de programación.

GGPLOT2

Haga clic aquí para saber más

  • Introducción a la gramática de gráficos.
  • Ejemplos de programación de las principales opciones.
  • Presentación del material de consulta en Internet.

POWER BI CON GGPLOT2 SOBRE R

Haga clic aquí para saber más

  • Programación desde Power BI con Ggplot2 sobre R.

ANACONDA

Haga clic aquí para saber más

  • Instalación.
  • Presentación del entorno y carga de librerías.
  • Presentación de Jupyter bajo Python y R.
  • Ejemplos básicos de exploración de datos con ggplot y pandas-profiling.
  • Ejemplos básicos de Python. Ejercicios tutorizados.

KNIME

Haga clic aquí para saber más

  • Instalación.
  • Presentación del entorno y carga de librerías.
  • Tratamiento de flujo de datos.
  • Ejemplos básicos de flujo.
  • Ejercicios de programación tutorizados.

Contenido

Formación Específica

 

LENGUAJE

Haga clic aquí para saber más

  • R/parte 1.
  • R/Parte 2.
  • Operadores.

OBJETIVOS

Haga clic aquí para saber más

  • Vectores/Parte 1.
  • Vectores/Parte 2.
  • Dataframe/Parte 1.
  • Datafrane/Parte 2.
  • Dataframe/Parte 3.
  • Listas Series de Tiempo.
  • Bucles/Parte 1.
  • Bucles/Parte 2.
  • Funciones Visualizacion.
  • Paquete CARET: SPAM.

DATOS MNIST

Haga clic aquí para saber más

  • Que es MNIST.
  • Datos MNIST/Parte 1.
  • Datos MNIST/Parte 2.

MÉTODOS DE MACHINE LEARNING

Haga clic aquí para saber más

  • Clasificacion dígitos MNIST. NAIVE BAYES. – Metodo Maive.
    • Mayes sobre MNIST.
    • Near Zero Value.
    • Principal ComponentAnalyst.
    • Random Forest.
    • Proyecto con Naive Bayes.
  • Metodo Ramdom Forest sobre MNIST.
    • Proyecto con Random Forest.
  • Metodo Suppor Vector Machine (SVM).
    • Metodo SVM sobre MNIST.
    • Redes Neuronales (Neuranet().
  • Metodo Neuranet sobre MNIST.
    • Proyecto Redes Neuronales.
    • Singular Value Descomposition (SVD) y K Nearest Neighbours (KNN).
  • Metodo SVD –KNN sobre MNIST.
    • Proyecto con SVM Histogram of Oriented Gradients (HOG).
  • Metodo HOG-KNN.
    • sobre MNIST.
    • Proyecto con K-NN.
Responsable de los datos: Dapen Centro Estudios S.L.
Finalidad: Responder a solicitudes del formulario y envío de actualizaciones y cursos.
Legitimación: Tu consentimiento expreso.
Destinatario: Dapen Centro Estudios S.L. No se cederán datos a terceros, salvo obligación legal.
Derechos: Acceso, rectificación, supresión, anonimato, portabilidad y olvido de sus datos.
Puedes ejercer estos derechos  comunicándote con nosotros a info@cloudslearning.com