Machine Learning I

SKU SINT-607

$200.00

En el curso Machine Learning I los estudiantes aprenderán los fundamentos y los principales métodos de Machine Learning para la aplicación de algoritmos y modelos que permitan la identificación de patrones y tendencias y el análisis de grandes cantidades de datos para la toma de decisiones o la realización de predicciones.

Programas profesionales relacionados

Descripción del curso

El Machine Learning, dentro del ámbito de la inteligencia artificial, se basa en la capacidad de aprendizaje de las máquinas a partir de conjuntos de datos para la ejecución de ciertas funciones o la toma de decisiones, sin necesidad de que sean programadas de manera explícita.

En este curso los estudiantes aprenderán los fundamentos y los principales métodos de Machine Learning para la aplicación de algoritmos y modelos que permitan la identificación de patrones y tendencias y el análisis de grandes cantidades de datos para la toma de decisiones o la realización de predicciones.

El curso está diseñado por competencias y alineado con el marco de habilidades SFIA 8, por lo que se propone que los estudiantes logren responder a un nivel de habilidad 3 en el área de aprendizaje automático, en el cual aplican las técnicas existentes de aprendizaje automático a nuevos problemas y conjuntos de datos y recomiendan mejoras para los sistemas y los datos que ellos utilizan.


Contenidos

Tema 1. Modelos de Machine Learning
Tema 2. Visualización de datos
Tema 3. Aprendizaje no supervisado y modelos de clustering
Tema 4. Uso de redes neuronales


Metodología de Aprendizaje

La educación actual suele limitar a estudiantes, forzándoles a absorber contenidos en lugar de fomentar la solución colectiva de problemas. En CENFOTEC, buscamos modificar este enfoque mediante nuestra metodología de aprendizaje constructivista llamada 40-40-20.

La técnica 40-40-20 divide el tiempo de clase: 40% el profesor da un charla para inducir al pensamiento autónomo basado en conceptos clave; el siguiente 40% para resolver retos individuales o en grupo, que exigen exploración, donde el docente es un facilitador; y el 20% restante para una discusión guiada por el profesorado. Para mantener la atención, consideramos 1 hora lectiva como 50 minutos, especialmente en cursos de 3-4 horas.

Adicionalmente el estudiante deberá dedicar una cantidad de horas adicionales para completar retos extraclase que el profesor le asigne.

Información adicional

Fecha de inicio

Jueves 11 de abril de 2024

Horario

Jueves – 18:00 a 22:00

Profesor

Gabriela Espinoza Picado

Área de formación

Sistemas inteligentes

Modalidad

Virtual en vivo

Duración

16 horas

Nivel de complejidad

Intermedio

Perfil de ingreso

-Conocimientos básicos de programación en Python.
-Si no cuenta con los conocimientos se le recomienda el curso: SOFT-670 Python para el Análisis de Datos.