Quienes se formen con Cloud Formación TIC, serán profesionales con gran demanda y las compañías competirán por estos perfiles. Según la Guía de Empleo IT 2017, los sueldos de estos profesionales son de los más altos.
Este curso puede realizarlo todo aquel que se encuentre interesado en conocer más acerca del Machine Learning e implementar lo aprendido de manera profesional.
FORMACIÓN TECNICA
Introducción
Conceptos básicos, marco competitivo actual y tendencias futuras.
Power BI
Instalación, presentación del entorno, elaboración de aplicaciones básicas.
Introducción a R
Instalación de R y Rstudio. Presentación del entorno. Conceptos básicos de trabajo: importación de vistas y librerías.
Tidyverse
Presentación de la librería. Utilización de dplyr con ejemplos de programación.
Ggplot2
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
Programación desde Power BI con Ggplot2 sobre R.
Anaconda
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
Instalación. Presentación del entorno y carga de librerías. Tratamiento de flujo de datos. Ejemplos básicos de flujo. Ejercicios de programación tutorizados.
FORMACIÓN ESPECÍFICA
Las prácticas desde la clase 1 se realizan en Python, R, Knime y H2O.
Clase 1: Metodología de trabajo y estadística descriptiva univariante.
Metodología CRIPS-DM de desarrollo de proyectos de Ciencia de datos y fundamentos de los principios estadísticos.Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 2 : Estadística descriptiva multivariante y funciones de densidad y distribución.
Correlación estadística y estudio de las funciones más conocidas
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 3: Estadística inferencial y estadística bayesiana.
Test de hipótesis, teorema de Bayes y diferencia entre el pensamiento frecuentista y bayesiano
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 4: Fundamentos de machine learning.
Conceptos de sobreajueste, predicción, clustering, aprendizaje por refuerzo.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 5: Importación y limpieza de datos.
Programación en Python, R y otros lenguajes para la preparación de los datos para los algoritmos
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 6: Primeros algoritmos y series temporales univariantes
ANOVA, ANCOVA, ARIMA, etc. Orientado a la creación de conocimiento partiendo de muestras
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 7: Técnicas de reducción de variables
Componentes principales, análisis factorial, análisis de correspondencias, etc.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 8: Clustering
Búsqueda e interpretación de segmentos: Kmeans, Jerarquizado y DBScan.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 9: Reglas de asociación
Análisis de la cesta de la compra en formato tickets y tabular.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 10: Fundamentos de aprendizaje supervisado y preprocesamiento
Subconjuntos de entrenamiento, validación y test. Métodos de comparación de resultados: ROC, Lift, Matriz de confusión, etc.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 11: Técnicas de exploración de datos
Power-BI. Exploración interactiva. Comunicación de conclusiones y mensajes mediante gráficos.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 12: Árboles de decisión
Algoritmos de división horizontal. Árboles normales y condicionales.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 13: Naive Bayes y KNN
Algoritmos sencillos. Búsqueda de probabilidades y búsqueda de vecinos más próximos.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 14: Máquinas de soporte vectorial
Generalización del concepto de divisiones. Kernel. Uso de búsquedas mediantes grid para optimizar resultados.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 15: Algoritmos ensamblados: Bagging, Boosting y Ramdom Forest
Concepto de ensamblado. Ensamblado libre y bagging. Primeros usos avanzados de los árboles de decisión para determinar la importancia de las variables.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 16: Adaboosting
Ensamblaje boosting. Primer algoritmo.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 17: Xgboosting
Ensamblaje boosting. Algoritmos ganador de los principales concursos.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 18: Regresión no logística
Concepto de relación funcional entre objetivos y predictores. Influencia de observaciones, interpretación de coeficientes y métodos forward, backward y stepwise
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 19: Regresión logística
Modelo lineal general. Aplicación a las decisiones de la regresión.
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 20: Fundamentos de redes neuronales de una sola capa
Generalización de la regresión logística. Primeros conceptos de redes. Conceptos de Black-box
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Principio del formulario
Final del formulario
Clase 21: Fundamentos de Deep Learning.
Conceptos de optimización, regularización, perceptrón en varias capas. Tensorflow y Keras.
Clase 22: Deep Learning aplicado
Ejemplos de Keras aplicados a la predicción del análisis del sentimiento
Clase 23: Tratamiento del sobreajuste en Deep Learning
Ejemplos de Keras aplicados a la predicción de una clases o de varias clases, así como a predicciones numéricas
Clase 24: Redes convolucionales para imágenes
Modelos avanzados para la clasificación de imágenes
Clase 25: Deep Learning para Textos
Modelos avanzados para el procesamiento del lenguaje natural
Clase 26: Conclusiones Deep Learning y redes Kohonen
Modelos avanzados para el uso de grafos. Redes neuronales no supervisadas
Clase 27: Análisis discriminante y Procesamientos de lenguaje natural
Algoritmo lda e introducción a la minería de textos
Clase 28: Minería de textos
Profundización de la minería de textos.
Clase 29: Interpretación de modelos
Profundización de la minería de textos.
Clase 30: Algoritmos complementariarios
Uso del entorno H2O Aquarium de utilización de la inteligencia artificial para la optimización de algoritmos
Principio del formulario
Final del formulario
Clase 31: Proyecto 1. Titanic
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 32: Proyecto 2. Predicción de ventas
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 33: Proyecto 3. Predicción inmobiliaria
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 34: Proyecto 4. Predicción del tráfico
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 35: Proyecto 5. Predicción de la calidad del vino
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 36: Proyecto 6. Segmentación de estudiantes
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 37: Proyecto 7. Predicción de ventas de un Black-Friday
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 38: Proyecto 8. Segmentación de clientes de un compañía de móviles
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 39: Proyecto 9. Clasificación de documentos
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Clase 40: Proyecto 10. Recomendar películas a usuarios
Resolución de casos propuestos o por el profesor o por los alumnos. Técnicas de presentación a clientes.
Cuándo se haya finalizado el programa los participantes obtendrán un Diploma que certifica la asistencia y la calificación de la formación. Prácticas y bolsa de trabajo.
Para acceder a esta formación no se requiere de titulaciones o experiencia previa, sin embargo, si se recomienda nociones en el tema para asimilar mejor los contenidos del programa.
Información Adicional
Salidas profesionales
Estas frente a la tercera profesión en minería de datos con mayor empleabilidad, es debido a esto que la formación en Big data y IA es una de las mejores opciones para aquellos profesionales que quieran ampliar sus conocimientos.
