Sectores

Intersectorial

Áreas

Programación

Dirigido a

Autónomos; Desempleados; Economia Social; Empleados; Funcionarios

Disponible en las siguientes provincias

Albacete, Alicante, Almería, Araba/Álava, Asturias, Ávila, Badajoz, Barcelona, Burgos, Caceres, Cádiz, Cantabria, Castellón, Ceuta, Ciudad Real, Cordoba, Cuenca, Girona, Granada, Guadalajara, Huelva, Huesca, Illes Balears, Jaén, La Rioja, Las Palmas, León, Lleida, Lugo, Madrid, Málaga, Melilla, Murcia, Navarra, Ourense, Palencia, Pontevedra, Salamanca, Santa Cruz, Segovia, Sevilla, Soria, Tarragona, Teruel, Toledo, Valencia, Valladolid, Zamora, Zaragoza

Objetivo General

Desarrollar, implementar y validar modelos de aprendizaje máquina (Machine Learning): diseñar modelos predictivos de clasificación en problemas reales de salud, economía y empresa, implementar algoritmos de segmentación para análisis de poblaciones en diferentes aplicaciones y desarrollar modelos de predicción avanzados de series temporales.

CONTENIDOS FORMATIVOS:

1. Introducción al curso.
1.1. Introducción al Python
1.2. Librería de Python para Machine Learning.
1.3 Machine Learning. Introducción.

2. Aprendizaje supervisado.
2.1. Definición y aplicaciones.
2.2 Medidas de rendimiento.
2.3 Modelos lineales
2.4 Modelos supervisados de ML: árboles, SVM, redes neuronales.
2.5 Combinación de modelos. Random Forest.

3. Aprendizaje no supervisado.
3.1. Definición y aplicaciones.
3.2 Medidas de rendimiento.
3.3 Clustering. Tipos.
3.4 Biclustering
3.5 Manifolds. Reducción de la dimensionalidad
3.6 Análisis de la cesta.