Especialista en Aprendizaje Automático (Machine Learning) Examen →

Especialista en Aprendizaje Automático (Machine Learning) Examen

Curriculum

2 Sections
2 Lessons
52 Weeks

Expand all sectionsCollapse all sections

Módulo 7: Fundamentos de Machine Learning
Se cubren los siguientes temas principales:
- Factores tecnológicos y de negocio de Machine Learning
- Beneficios y retos de Machine Learning
- Escenarios de uso de Machine Learning
- Conjuntos de datos, datos estrucutrados, no estructurados y semi estructurados
- Modelos, algoritmos, aprendizaje y entrenamiento de modelos
- Cómo funciona el Machine Learning
- Recopilación y pre-procesamiento de datos de entrenamiento
- Selección de algoritmos y modelos
- Entrenamiento de modelos y despliegue de modelos entrenados
- Algoritmos y prácticas de Machine Learning
- Aprendizaje supervisado, clasificación, árbol de decisiones
- Regresión, métodos de ensamble, reducción de dimensiones
- Aprendizaje no supervisado y agrupamiento
- Aprendizaje semisupervisado y por refuerzo
- Mejores prácticas de Machine Learning
- Cómo funcionan los sistemas de Machine Learning
- Mecanismos comunes de Machine Learning
- Cómo se utilizan los mecanismos en el entrenamiento de modelos
- Machine Learning y Deep Learning, Inteligencia artificial (IA)
1
- 0.0
Módulo 8: Machine Learning Avanzado
Se cubren los siguientes temas principales:
- Patrones de exploración de datos
- Cálculo de tendencia central, cálculo de variabilidad
- Cálculo de asociatividad, cálculo de resumen gráfico
- Patrones de reducción de datos
- Selección de características, extracción de características
- Patrones de manipulación de datos
- Imputación de características, codificación de características
- Discretización de características, estandarización de características
- Patrones de aprendizaje supervisado
- Predicción numérica, predicción de categorías
- Patrones de aprendizaje no supervisado
- Descubrimiento de categorías, descubrimiento de patrones
- Patrones de evaluación de modelos, modelado de referencia
- Evaluación del desempeño de entrenamiento, evaluación del desempeño de predicción
- Patrones de optimización de modelos
- Aprendizaje conjunto, reentrenamiento frecuente del modelo
- Implementación de modelos ligeros, aprendizaje incremental del modelo
1
- 0.0