Menú
¡Llama gratis! 900 264 357

Curso de Machine Learning en Python del centro SEAS, Estudios Superiores Abiertos (Cursos especializados)

Programa de Curso de Machine Learning en Python

Modalidad: Online
Duración 150 horas. 6 ECTS

Descripción

Hoy en día, administraciones e industrias disponen de abundantes datos sociológicos, financieros, empresariales e industriales y diversas formas de obtenerlos, abriendo grandes oportunidades para su análisis.

Durante el curso, aprenderás a utilizar estrategias de aprendizaje de manera autónoma, aplicándolas a las tecnologías de Aprendizaje de Máquinas con Python, el lenguaje de programación más utilizado en este campo. Los contenidos se impartirán en una modalidad flexible, con abundantes recursos que facilitan el aprendizaje y un contacto continuo e individualizado con el equipo docente, compuesto por profesores que también son profesionales activos en el sector.

A quién va dirigido

Este programa está dirigido a personas interesadas en adquirir, mejorar o actualizar sus conocimientos en el área.

Objetivos

El objetivo del programa es que los alumnos comprendan la importancia de los datos y los métodos para su obtención. Además, se busca estudiar tanto los modelos como los métodos de aprendizaje supervisado y no supervisado.

Temario

LOS DATOS, FUENTES DE DATOS Y EXTRACCIÓN

Tipos básicos de datos. Tipos de datos compuestos. Fuentes de datos.

TEORÍA DE PROBABILIDADES Y ESTADÍSTICA

Bases de la teoría de la probabilidad. Parámetros centrales, de dispersión y de forma de las variables aleatorias discretas. Distribuciones. Variables aleatorias multidimensionales. Introducción a la estadística. Apéndice. Otras distribuciones.

REPRESENTACIÓN DE DATOS CON SEABORN

Tipos de datos en aprendizaje de máquinas. Repaso de conceptos de Matplotlib. Combinación de funciones de Matplotlib y de Seaborn. Funciones a nivel de ejes y a nivel de figura en Seaborn. Gráficas de dispersión. Gráficas de funciones del tiempo. Agregación y representación de la incertidumbre. Trazado de subconjuntos de datos con mapeos semánticos. Figuras con gráficas múltiples relacionadas con facetas. Datos categóricos. Diagramas de caja usando Seaborn. Representaciones en violín. Diagramas de barra. Representación de la distribución de una variable. Estimación de la densidad del núcleo. Representación de distribuciones de dos variables. Representación de relaciones entre pares de variables. Representación de relaciones entre variables.

PROCESADO DE DATOS

Librerías de interés en preprocesado de datos. La librería Scikit-learn. Limpieza de datos. Normalización y escalado. Extracción y selección de características.

BASES DEL MODELADO DE DATOS Y DEL APRENDIZAJE

Aprendizaje de máquinas. El modelado de los datos. Clasificación de los algoritmos de aprendizaje. Conjuntos de entrenamiento, validación y prueba. Análisis de errores. Función de pérdida. Validación cruzada. Sobreajuste, infraajuste y regularización. Métricas en Scikit-learn. Clases desequilibradas. Matriz de confusión. Tipos de modelos. La librería Scikit-learn en aprendizaje.

ALGORITMOS SUPERVISADOS (I). REGRESIÓN Y MÁQUINAS DE VECTORES SOPORTE

Parte I. Regresión. Parte II. Máquinas de vectores soporte.

APRENDIZAJE SUPERVISADO (II). REDES NEURONALES

Las neuronas biológicas. Aplicaciones de las redes neuronales. Las neuronas artificiales. El perceptrón lineal. Transformación de un problema no lineal en uno lineal. Redes neuronales artificiales. El perceptrón multicapa. Teoría de aproximación universal. Implementación de las redes neuronales con Scikit-learn. Clasificación multiclase (cuatro clases) con perceptrón multicapa.

SISTEMAS DE APRENDIZAJE NO SUPERVISADA: AGRUPAMIENTOS

Tipos de clustering. El algoritmo K-means. El algoritmo kmeans de la librería sklearn. K vecinos más próximos. Variantes del algoritmo básico. DBSCAN. Uso del módulo scipy en clustering.

Titulación obtenida

Al concluir con éxito recibirás un título propio emitido por la Universidad San Jorge, con 6 créditos europeos ECTS.

Requisitos

  1. Ser mayor de 18 años. En este caso se expide el título de “Curso Técnico” en el que se indica la duración del estudio en horas (No otorga ECTS).
  2. O alguno de los siguientes requisitos:
  • Tener título de Bachiller o declarado equivalente. También titulados en Bachillerato europeo y en Bachillerato internacional, o equivalentes a títulos de bachiller de sistemas educativos de estados miembros de la Unión Europea o de otros estados no miembros.
  • Poseer titulación de Técnico Superior de Formación Profesional, o de Técnico Superior en Artes Plásticas y Diseño o Técnico Deportivo Superior.
  • Ser mayor de 25 años con al menos 1 año de experiencia profesional acreditada y relacionada con el contenido de la formación. En el Documento o Ficha Descriptiva del Programa, se especificará la experiencia profesional necesaria (sector, categoría, etc.) para acceder al programa.
  • Ser Titulado Universitario.

En estos casos, se expide el título de “Curso Técnico”, en el que se otorgan créditos ECTS.

Información Adicional

Salidas profesionales:

  • Analista de datos con Python
  • Técnico de machine learning
Contacta ahora con el centro

Junglebox S.L. (Responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información requeridas y el envío de comunicaciones promocionales sobre formación, derivadas de tu consentimiento. Podrás ejercer tus derechos de acceso, supresión rectificación, limitación, portabilidad y otros derechos, según lo indicado en nuestra P. de Privacidad​