Responsive Image

Modalidad Remota

Resultados de aprendizaje

  • Instalar y utilizar herramientas en Python necesarias para el manejo de datos y aprendizaje de máquinas.
  • Utilizar métodos de ETL para la limpieza y manejo eficiente de datos.
  • Conocer y utilizar métodos para la determinación de las variables más discriminantes mediante métodos de selección de descriptores.
  • Conocer las bases de las técnicas más conocidas del aprendizaje de máquinas para su uso adecuado de acuerdo a sus características.
  • Implementar métodos de aprendizaje de máquinas en Python empleando métodos supervisados o no supervisado de acuerdo a las características de los datos para su uso práctico.
  • Conocer y utilizar métricas para la evaluación de los resultados obtenidos empleando técnicas de aprendizaje de máquinas.
  • Optimización de modelos mediante el ajuste de parámetros para obtener un mejor rendimiento.

Duracion:
90 horas

Fecha de inicio:
Cancelado

Inversión:
$2.590.000 / participante


Horario:
Martes, miercoles 6:00 p.m. a 9:30 p.m. y jueves 6:00 p.m. a 9:00 p.m.

Contenido

  • Introducción al aprendizaje de máquinas.
  • Tipos de métodos de aprendizaje.
  • Conceptos fundamentales de la teoría de decisión
  • SkLearn.
  • ETL
  • Limpieza de datos
  • Manejo de datos faltantes
  • Clasificador bayesiano
  • Análisis de muestras
  • Determinación de muestras más
  • discriminantes
  • LDA 
  • PCA 
  • curvas
  • ROC
  • Matriz de
  • confusión
  • Clasificadores no supervisados
  • K-means
  • Silueta
  • Modelos gaussianos mixtos
  • Expectación maximización
  • AIC
  • BIC
  • Aproximación no paramétrica
  • Métodos basados en árboles
  • Arboles de decisión
  • bosques aleatorios
  • GB decisión trees
  • XGBoost
  • variación y sesgo
  • Vecinos más próximos
  • Ventanas de Parzen, mejoras en velocidad: K-D
  • Tree
  • Local sensitive hashing
  • Lista invertida.
  • Clasificación por maximización de
  • márgenes
  • Clasificador por centroides
  • Clasificador pasivo-agresivo
  • Convergencia
  • SVM
  • kernels.
  • Regresión
  • Regresión lineal
  • Regresión multivariable
  • Regresión
  • Polinómica 
  • Gradiente descendiente
  • Regresión logística
  • Redes neuronales
  • Introducción
  • Neurona
  • Perceptrón
  • Backpropagation
  • Sintonización
  • Aprendizaje profundo
  • Redes neuronales
  • Convolucionales

Expertos facilitadores

Su oficina es su mejor laboratorio
MANUEL GUILLERMO FORERO VARGAS

Ingeniero electrónico de la Universidad Javeriana, Magister en ingeniería eléctrica en la especialidad de bioingeniería y control de la Universidad de Los Andes, Master en imagenología médica y Doctor en ingeniería biomédica de la Université de Technologie de Compiegne (Francia), postdoctorado en imágenes de microscopía en el Centro Superior de Investigaciones Científicas de Madrid (España).

 

Políticas Administrativas

*Todos nuestros programas corresponden a educación no formal que no conducen a título alguno o certificado de aptitud ocupacional 

*El Centro de Educación Continuada se reserva el derecho de cancelar un programa o modificar del mismo lo siguiente: la fecha y horarios de realización, el valor de la inversión, los expertos facilitadores propuestos, los contenidos y el lugar donde se ofrecerá. Los programas se realizarán cuando se haya alcanzado un número establecido de participantes matriculados.

*En caso de que un programa se cancele por decisión de la Universidad, a los participantes matriculados que hayan realizado el pago hasta el momento, se les ofrecerá la posibilidad de conservar el pago como saldo a favor para participar en otro programa de Educación Continuada o se les devolverá la totalidad del valor de la matrícula.

*El certificado de asistencia se entrega a los participantes que acrediten mínimo el 80% de asistencia.

 Descarga el instructivo de pagos en línea aquí