Síguenos en Facebook 

Programa algoritmos

​que aprendan 

de los datos

​

Descarga: 

​Información Completa del Curso

MLP-Informacion-Completa.pdf
File Size:	481 kb
File Type:	pdf

Download File

---

En este taller, te explicaremos los principios básicos, los conceptos fundamentales y las estrategias generales para resolver un problema de aprendizaje automático. Te mostraremos algunas herramientas computacionales útiles para desarrollar modelos como árboles de decisión, máquinas de vector soporte y redes neuronales. Lo anterior con el fin de mostrarte cómo aplicar estos principios y herramientas para crear un modelo capaz de predecir si una persona padece diabetes. Descarga las diapositivas, códigos y otros archivos del taller en el siguiente enlace (si está roto el enlace, reportalo). ​

taller_mlp05.zip
File Size:	3703 kb
File Type:	zip

Download File

---

Beneficios

• Puedes reservar con solo 999.99 pesos mexicanos (50 USD), y luego pagar el resto, para completar el precio al que reservaste. 
• Nuestros estudiantes en el extranjero (Colombia, Ecuador, Perú principalmente)  pueden pagar mediante Paypal. Contacta a Claudia Montaño mediante wa.me/5215539940156. 
• Garantía: tienes las primeras 4 clases para solicitar una devolución.
• Tienes acceso a las clases grabadas hasta 4 meses después de terminar el curso. 
• Paga a 3 meses sin intereses por PayPal. Contacta a Claudia Montaño mediante wa.me/5215539940156. 
• Reconocimiento digital ante la Secretaría del Trabajo (STPS-México)

Inicio y fin del curso

• Viernes 18 de Marzo 2021 
• Viernes 6 de Mayo 2021
• No hay clases: el viernes 15 de abril.

Horarios
42 horas en total, 6 horas la semana (Horario de la Ciudad de México)

• Martes de 19 a 22hrs
• Viernes de 19 a 22hrs

(RESERVA) Machine Learning Práctico

MX$999.99

Agotado

Añade al carrito

En oferta

En oferta

Machine Learning Práctico

MX$4,999.99 MX$4,299.99

Agotado

Añade al carrito

IMPORTANTE: La oferta de 4299.99 MXN (215 USD) es válida hasta el 16 marzo del 2022. 

Objetivo del curso

Aprender a usar los conceptos, las intuiciones y las herramientas computacionales para implementar algoritmos capaces de aprender de los datos a través de varios ejemplos y casos de estudio. 

Casos de Estudio

• Predicción de precios de casas.  
  
• Detección de cáncer.
  
• Detector de noticias falsas.
  
• Análisis de sentimientos -  Detectar si un tweet es positivo o negativo.
  
• Clasificación de imágenes por tipo de ropa (Fashion MNIST)
  
• Agrupamiento no supervisado de imágenes con números manuscritos (MNIST).
  
• Segmentación no supervisada de imágenes.
  

Herramientas a aprender a usar: Jupyter,   Colab,   Sklearn,   Numpy,    Pandas,  MatPlotLib, Keras, Tensorflow, Anaconda.

Contenido resumido del curso

1. Instalación del ambiente de trabajo
   
2. Panorama general del aprendizaje automático
   1. Introducción
   2. Herramientas y ambientes de trabajo
   3. Explorando conjuntos de datos
   4. Evaluar el desempeño de los modelos
3. Proceso del aprendizaje automático
   1. Desarrollo de proyectos de aprendizaje automático
   2. Clasificación
   3. Regresión
4. ​Modelos y métodos (aprendizaje supervisado)
   1. Curvas de aprendizaje
   2. Regularización: Early Stopping, DropOut, Lasso, Ridge, Elastic Net
   3. Algoritmos de Aprendizaje Automático: Máquinas de soporte vectorial, Árboles de decisión, Aplicación de SVM y árboles de decisión, Regresión logística, Naive Bayes, Vecinos más cercanos
      Redes neuronales multicapa, Modelos ensamblados: Votación, Bagging y Boosting, Bosques aleatorios.
      
   4. Teorema de “No Free Lunch” (todo tiene un costo)
5. Aprendizaje no supervisado
   1. Agrupamiento, trabajando con datos no etiquetados
   2. Reducción de dimensionalidad y compresión de datos