Diplomatura en Machine Learning

Modalidad: 100% Online
Duración: 12 semanas
CERTIFICACIÓN UNIVERSITARIA UTN
VACANTES DISPONIBLES INICIO 26/7/2021

Precio

$39,500

Consulte por plan 3 y 6 cuotas.

Certificación

UTN FRRq

Material

Descargable

Profesor

Online

Clases

en vivo

Ejercicios

prácticos

Objetivos

Machine Learning se basa en la recolección y análisis sistemático de datos para desarrollar un modelo predictivo.

Su objetivo es desarrollar técnicas que permita que los sistemas aprendan a través de los datos, de esta manera se desarrollarán patrones de manera automática que permitirán  tomar decisiones con mínima intervención humana. De este modo su desempeño mejora con la experiencia.

El Programa Educativo Machine Learning te dará las herramientas necesarias para poder diseñar algoritmos para convertir muestras de datos en programas, sin tener que escribirlos.  Entonces los programas resultantes serán capaces de generalizar comportamientos e inferencias para un conjunto de grandes datos.

 

Aplicaciones

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.

A quien va dirigido

  • A profesionales que necesiten entender la técnica para su desarrollo profesional.
  • A profesionales que precisen tener una mejor interacción con especialistas en la ciencia.
  • Y en general, a personas que deseen conocer la ciencia y aplicarla a sus necesidades.

 

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 LearningDíaHora
Introducción a la Ciencia de Datos26/7/202119 hs
Iniciación en R 1 de 329/7/202119 hs
Iniciación en R 2 de 32/8/202119 hs
Iniciación en R 3 de 35/8/202119 hs
Clases regulares: (1 teórica + 2 prácticas por unidad)
Martes21:15 hs
Viernes21:15 hs

 

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

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

Inscripción a cursos de Ciencia de Datos

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

Podés abonar tu Curso optando por las siguientes opciones:

  • Mensual (mes x mes): $3.350
  • Trimestral 1: $10.050 (Abonas trimestralmente mediante Mercado Pago)
  • Trimestral 2: $9.000 (1 pago x transferencia bancaria)

PROMOCIÓN: A quienes abonen consecutivamente mes tras mes, sus cuotas por transferencia bancaria, la Facultad les congelará le valor de las mismas durante 12 meses, más allá de los aumentos que ocurran durante le cursado.

Completá el formulario para confirmar tu depósito o transferencia

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