Python para Machine Learning (online)
Aprende técnicas de Machine Learning altamente utilizadas en contextos aplicados como: retail, industria bancaria y ciencias como la astronomía. Se utilizará el lenguaje de programación Python, acompañado de librerías especializadas para manejo de datos e implementación de modelos.
Dirigido a profesionales que tengan un dominio intermedio del lenguaje Python y que estén altamente motivados para formarse en el área de Ciencia de Datos.
Este curso forma parte del Diplomado en Python profesional y del Diplomado en Big Data y Machine Learning.
Antecedentes Generales
-
Fecha de inicio
27 de mayo
-
-
Horas
75 horas totales (35 horas directas y 40 horas indirectas)
-
Valor
$575.000 en Chile / USD 575 resto del mundo ¡Consulta por descuento!
Código SENCE: 1238035028
-
Tutor de apoyo permanente
-
1 clase sincrónica
-
3 cuestionarios de selección múltiple
-
3 proyectos aplicados
-
Material multimedia y de apoyo
Python se ha convertido en una de las herramientas fundamentales para los profesionales de Machine Learning. En este contexto, saber usar librerías como scikit-learn, scipy, numpy, pandas o keras, constituye una competencia básica para el desarrollo de proyectos de este tipo en el entorno empresarial. Este curso entrega una base de conocimiento de los fundamentos que soportan estas potentes metodologías y herramientas, potenciando significativamente al participante para enfrentar desafíos que involucran inteligencia artificial y dándole una ventaja competitiva en el mercado laboral.
A través de este curso, los alumnos aprenderán los conceptos fundamentales asociados de Machine Learning tanto en su versión supervisada, como no supervisada. Dicho aprendizaje será acompañado mediante un conjunto de librerías de Python, las que permitirán pasar de la teoría a la implementación de forma amigable, y actualizada a las tecnologías utilizadas en el mercado.
La metodología de enseñanza y aprendizaje para este curso online consiste en técnicas metodológicas activas, donde el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el curso.
Profesionales que por sus funciones deben manejarse en los modelos de Machine Learning.
Implementar modelos de Machine Learning a través del lenguaje de programación Python.
Conocimiento matemático. Conocimientos básicos de programación, específicamente en lenguaje Python. Debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python. Conocimientos básicos sobre el manejo de programas computacionales en ambiente operativo Windows y navegación por internet. Tener instalado en el computador un navegador como Explorer, Mozilla o Chrome. Manejo básico de Office e Internet.
Si desea evaluar su nivel, puede realizar una prueba opcional gratuita en este link: https://www.hackerrank.com/prueba-python. Se recomienda iniciar los test en orden, ya que van creciendo en dificultad. Los dos últimos tienen un nivel superior al requerido para ingresar al diplomado, y han sido instalados allí sólo como desafío. Si uno de los test falló, se recomienda revisar y ejercitar esos contenidos antes del inicio del programa.
A continuación, ponemos a su disposición algunos cursos optativos por si desea prepararse previamente al inicio del programa:
• MOOC Introducción a la Programación en Python I: Aprendiendo a programar con Python.
• Curso Herramientas de programación en Python para procesamiento de datos.
Contenidos del Programa
Al final del curso podrás:
– Comprender aspectos formales de modelos de aprendizaje supervisado tradicionales, experimentando y comparando su rendimiento.
– Visualizar diferentes tipos de variables en una base de datos utilizando librerías de Python.
– Emplear modelos de redes neuronales artificiales básicas.
– Diseñar modelos de aprendizaje supervisado basados en regresiones.
– Implementar modelos de aprendizaje no supervisado a través de librerías de Python.
Contenidos:
Introducción al aprendizaje de máquinas con Python
– Aprendizaje de máquina: introducción y tipos de problemas.
Preprocesamiento de datos con Python
– Introducción a librerías del ecosistema de Data Science.
– Tipos de variables.
– Análisis descriptivo, transformación y visualización de variables.
– Imputación de datos.
Regresiones
– Aprendizaje supervisado.
– Regresión lineal, con penalización y logística.
– Regresiones polinomiales.
Aprendizaje supervisado
– Naive Bayes.
– Evaluación de clasificadores.
– Árboles de decisión.
– Random Forest.
– Random Forest para regresión.
Redes neuronales
– Introducción a las redes neuronales artificiales.
– Tecnologías para desarrollo de redes neuronales artificiales.
– Redes neuronales artificiales.
Aprendizaje no supervisado
– Aprendizaje no supervisado.
– K-Means.
– Cluster jerárquico.
– Evaluación de clusters.
– Reducción de dimensionalidad.
Cuerpo Docente
Jefe de Programa
Jaime Navón Cohen
Profesor Asociado del Departamento de Ciencia de la Computación UC. Ph.D. Computer Science, University of North Carolina at Chapel Hill.
Francisco Pérez Galarce
Profesor de Educación Profesional de la Escuela de Ingeniería UC. Head of Advanced Analytics en BRAVE UP!
