Por otro lado, Python es un lenguaje cómodo y fácil de aprender, y cuenta con gran número de librerías de código libre que cubren casi el 100% de las necesidades de cualquier desarrollador que se especialice en Machine Learning.
Por ello, el curso está planteado de forma modular con el fin de dar una introducción práctica a los alumnos con el fin de aprender las diferentes técnicas que existen en Machine Learning y su aplicación con librerías específicas para ello en Python. Finalmente, los objetivos son:
- Introducir las principales librerías que podemos encontrar en Python para tratamiento y visualización de datos
- Dar a conocer los principales algoritmos para resolver problemas de Machine Learning.
- Introducir desde un perspectiva teórico-práctica técnicas de Machine Learning utilizando el módulo Scikit-learn en Python
Temario
Introducción a Machine Learning
- Introducción al aprendizaje automático
- Definición y flujo de un proceso de Machine Learning
- Tipos de aprendizaje automático
- Aprendizaje supervisado vs no supervisado
- Problema del sobreentrenamiento
Ecosistema de librerías básicas en proyectos Machine Learning
- Librerías de Python para proyectos de Data Science
- Scikit
- Pandas
- Matplotlib
- Seaborn
- Bokeh
Introducción a la ingesta y transformación de datos
Análisis básico de datos
Machine Learning práctico con Scikit-Learn
- Introducción a scikit-learn
- Algoritmos de Machine Learning en scikit-learn
- Introducción a algoritmos de CLUSTERING
- Introducción a algoritmos de CLASIFICACIÓN
- Introducción a algoritmos de REGRESIÓN
- Selección y configuración de modelos
Casos prácticos
Además, durante los programas de aprendizaje de DevAcademy, los alumnos aplican la teoría con casos prácticos guiados por los profesores buscando adquirir el mayor aprendizaje durante las clases.
Fechas, horario y lugar
Actualmente no hay fechas disponibles. Mándanos un email para tenerte en lista y completar un grupo para poder organizarlo.
En caso de ser empresa te ayudamos a organizarlo a medida para tus empleados o compañeros.
Responsabilidades profesor
Presentar el contenido conforme lo presentado en el programa de formación
Además, dará acceso al material necesario (PDFs, ejercicios, software, etcs) para el curso contratado.
Responsabilidades alumno
Asimismo, se mandará un email previo a todos los alumnos, con lo necesario, pero será necesario que el alumno pueda disponer de los requisitos mínimos necesarios para la participación en la formación, siendo estos los siguientes:
Por consiguiente, es necesario tener instalada la distribución de Python de Anaconda, preferentemente la versión de Python3.
Se usarán principalmente las librerias numpy, scipy, pandas, scikit-learn, xgboost, keras y optunity. Todos ellos se pueden instalar con conda (preferiblemente) o pip (en los casos en que no se pueda con conda).
Es recomendable trabajar en un entorno Linux, pero Anaconda está disponible también para Mac y Windows.
Además, se proporcionarán las slides del curso, junto con todo el código visto y todos los ejemplos completos.
Es recomendable poseer privilegios de administración
Observaciones importantes
Confirmaciones
Las confirmaciones serán enviadas a la dirección de e-mail enviada por el alumno
Cancelaciones
Los plazos para la cancelación de inscripciones solicitadas, son de 5 días laborales antes del inicio del curso.
En caso de cancelación fuera de plazo por parte del alumno, DevAcademy se reserva el derecho a cobrar un porcentaje (20%) del valor del curso.
Además, DevAcademy se reserva el derecho de cancelar o posponer la formación, siempre y cuando avise al contratante y/o devuelva el importe íntegro en caso de cancelación
Obligaciones del alumno
Por último, es obligatorio que el alumno cumpla con todos las obligaciones recomendadas por el profesor para seguir todos los ejercicios y no demorar ni perjudicar la clase. Sin embargo, es posible que días antes se envíe un email como recordatorio al alumno con instrucciones a seguir u obligaciones desarrollar para poder estar preparado al comienzo de la clase.