Inscríbete hoy ¡Cursos 100% subvencionado!

APRENDIZAJE SUPERVISADO EN MACHINE LEARNING

Solicita información
Partners

Este curso proporcionara a las personas participantes las competencias necesarias para aplicar técnicas de Machine Learning en el contexto de la transformación digital de las pymes, utilizando modelos supervisados y no supervisados para mejorar la toma de decisiones, optimizar procesos, comprender el comportamiento de los clientes, impulsar su atracción y fidelización, e integrar soluciones basadas en datos dentro de organizaciones que avanzan hacia nuevas metodologías, culturas y marcos de trabajo digitales.

keyboard_arrow_rightObjetivos del programa

Capacitación en algoritmos supervisados para aplicaciones empresariales El alumnado desarrollará competencias en clasificación y regresión utilizando árboles de decisión, regresión lineal/logística, redes neuronales y ensembles, aplicándolos a casos empresariales reales.

Desarrollo de flujos completos de trabajo en ML Se formará a los participantes en la construcción de pipelines integrales, que incluyen preprocesado, modelado, evaluación, validación y comunicación de resultados basados en métricas estándar.

Integración de técnicas supervisadas y no supervisadas Se dotará al alumnado de herramientas para combinar ambos enfoques con el fin de mejorar la segmentación, la detección de patrones, la identificación de anomalías y la toma de decisiones en pymes en transformación digital.

keyboard_arrow_rightMetodología

100h Online acceso libre Horas autoestudio. Contarás con un platoformla en moodle para que visualices los contenidos a tu ritmo.

+

Horas autoestudio se impartirán 50h Online en directo, a través de aula virtual de obligatoria asistencia al 100% de las horas lectivas del programa, admitiéndose un 25% de posibles faltas justificadas.

Temario

  1. Introducción al aprendizaje supervisado
  2. Clasificación con árboles de decisión
  3. Regresión con árboles de decisión
  4. Regresión con regresión lineal
  5. Regresión con regresión logística
  6. Regresión y clasificación con ensembles
  7. Regresión y clasificación con redes neuronales
  8. Evaluación de los modelos
  9. Conocimiento del aprendizaje no supervisado en machine learning
  10. Clusterización
  11. Detección de anomalías
  12. Descubrimiento de asociaciones
  13. Modelado de tópicos

Programación mensual

Primera programación. 4 días por semana
nest_clock_farsight_analog

Lunes, martes, miércoles y jueves

19:00h - 21:30h

nest_clock_farsight_analog
Solicita información
Primera programación. 3 días por semana
nest_clock_farsight_analog

Jueves, viernes y sábados

19:00h - 21:30h

nest_clock_farsight_analog
Solicita información
Primera programación. 3 días por semana
nest_clock_farsight_analog

Lunes, miércoles y viernes

09:30h - 12:30h

nest_clock_farsight_analog
Solicita información