Diplomatura en Machine Learning con R

Modalidad: 100% Online

CERTIFICACIÓN UNIVERSITARIA UTN

VACANTES DISPONIBLES INICIO 11/07/2022

✅ Abonalo en 3 y 6 cuotas sin interés.
✅ Obtené un descuentos abonando con transferencia bancaria.

Certificación

UTN FRRq

Material

Descargable

Profesor

Online

Clases

en vivo

Ejercicios

prácticos

Objetivos

El machine learning es una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan. Es decir cuando su desempeño mejora con la experiencia. Se trata de diseñar algoritmos para convertir muestras de datos en programas, sin tener que escribirlos. Los programas resultantes deben ser capaces de generalizar comportamientos e inferencias para un conjunto de grandes datos. Las aplicaciones son amplias que incluyen motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica.

Destinatarios del curso

Está dirigido a cualquier persona con conocimientos equivalentes al de la Diplomatura de Ciencia de Datos.

Programa Analítico

Regresiones

  • Regresión Lineal
  • Regresión polinómica
  • Regresión exponencial y logarítmica
  • Regresión de dos variables
  • Cálculo de regresiones en R con lm
  • Cálculo de regresiones logísticas en R con glm

Árboles de decisión

  • Algoritmo básico en Excel
  • División en entrenamiento y prueba
  • Uso de Rpart y cp
  • Predicción y valoración de la solución
  • Uso de Party
  • Aplicación al problema del call center

Clusters

  • Algoritmo básico en Excel
  • Uso de kmeans
  • Ejemplo de aplicación real
  • Otros algoritmos de agrupamiento en R
  • Ejercicio de aplicación de agrupamiento de mascotas

Reglas de Asociación

  • Algoritmo básico en Access
  • División en entrenamiento y prueba
  • Uso de arules en R
  • Ejemplo de una aplicación real votación de reglas
  • Ejemplo de una aplicación real a datos de ventas en supermercados

Redes Neuronales

  • Algoritmo básico en Excel
  • División en entrenamiento y prueba
  • Uso de neuralnet
  • Predicción y valoración de la solución
  • Discusión del problema de legibilidad de los resultados desde el negocio
  • Competencia entre árboles y redes en un caso concreto

Algoritmos genéticos

  • Algoritmo básico en Excel
  • Discusión del tipo de problemas en los que se aplica
  • Discusión de otros mecanismos de optimización
  • Implementación en R del uso de algoritmos genéticos como Valores reales
  • Binarios
  • Permutaciones

Series temporales

  • Taxonomía
  • Separación de componentes
  • Predicciones
  • ARIMA implementado en R
  • Predicción en series con un único período
  • Predicción en series con múltiples períodos
  • Predicción en series con períodos variables: renormalización

Método de Simulación de Montecarlo

  • Algoritmo básico en Excel
  • Discusión de la utilidad del método
  • Comparación con el análisis de escenarios
  • Ejemplo de una aplicación real
  • Ejemplo simple implementado en R

Minería de textos

  • Clasificación supervisada de piezas de texto
  • Construcción de una red semántica
  • Discusión de las posibilidades de reconocimiento de voz
  • Ejemplos de aplicación real del algoritmo de clasificación
  • Aplicación a la detección de sentimientos

Bayes Ingenuo

  • Implementación en Excel
  • Comparación de 4 algoritmos predictivos (Bayes ingenuo, árboles, redes neuronales y regresión logística)
  • Ejemplo de aplicación en R

Random Forest

  • Descripción conceptual del método
  • Paquete randomForest
  • Ejemplo de aplicación
  • Comparación con otras técnicas

Métodos Bayesianos

  • Descripción conceptual del método: Regresión lineal bayesiana
  • Regresión logística bayesiana
  • Inferencia bayesiana
  • Red bayesiana
  • Ejemplos de aplicación
    • Paquete BAS
    • Paquete brms
    • Paquete arm
    • Paquete bnlearnd
  • Comparación con otras técnicas

Máquina de soporte vectorial

  • Descripción conceptual del método
  • Paquete e1071
  • Ejemplo de aplicación
  • Comparación con otras técnicas

Modalidad de cursada

  • Modalidad a distancia de forma Online.
  • Clases por videoconferencias interactivas, una teórica y una práctica. La duración de cada clase es de aproximadamente una hora.
  • El alumno deberá realizar cierta actividad complementaria con material de soporte de las clases, trabajos con enfoque práctico y proyectos reales orientados a la Ciencia de Datos.

Fechas y horarios

Diplomatura en machine learning con RDíaHora
Introducción a la Ciencia de Datos 1 de 211/7/202219 hs
Introducción a la Ciencia de Datos 2 de 214/7/202219 hs
Iniciación en R 1 de 218/7/202219 hs
Iniciación en R 2 de 221/7/202219 hs
Horarios fijos a partir de la tercer semana de cursada
Clases regulares:Martes20:15 hs

Enviando el siguiente formulario recibirás toda la información para poder inscribirte e iniciar tu cursado.

MODALIDAD DE ESTUDIO PARA ESTE CURSO

✅ Clases en vivo – 100% Online.
✅ Los cursos inician cada 15 días.
✅ Duración de 12 a 25 semanas, dependiendo el curso seleccionado.
✅ Campus virtual con material descargable.
✅ Las clases quedan grabadas si no llegas a tiempo.
✅ Trabajos prácticos sobre proyectos reales, para aprender haciendo.
✅ Examen final.
✅ Entrega de Certificado Oficial de la UTN FRRQ Resolución Nro 290/20, firmada por Decadno de la Facultad y Código QR de autenticidad.

Inscripción a cursos de Ciencia de Datos

Luego de completado el formulario nos pondremos en contacto con usted para finalizar la inscripción.

Formas de pago:

Cursos y Diplomaturas
6 cuotas sin interés con tarjetas de crédito.

10% de descuento con transferencia bancaria.


Cursos de Data Science y Trading
6 cuotas sin interés con tarjetas de crédito.

Completá el formulario para confirmar tu depósito o transferencia

Luego de enviado el comprobante nos pondremos en contacto contigo durante las próximas horas .