Certificado Profesional de Inteligencia Artificial

Esta certificación se centra en los problemas de agrupación en clústeres para el aprendizaje automático no supervisado con K-Means. algoritmo. Para el aprendizaje automático supervisado, describiremos el problema de clasificación con un demostración del algoritmo de árboles de diseño y el de regresión con un ejemplo de regresión lineal.

E-learning (Online Sincrónico) con clases en vivo vía Streaming y otros contenidos

NA

PUNTOS CLAVE
1.1 APRENDIZAJE AUTOMÁTICO SUPERVISADO
1.2 APRENDIZAJE AUTOMÁTICO NO SUPERVISADO
1.3 APRENDIZAJE AUTOMÁTICO DE REFUERZO
INTRODUCCIÓN A K-VECINOS MÁS CERCANOS
2.1 INTRODUCCIÓN
2.2 INTRODUCCIÓN A LOS DATOS
2.3 VECINOS K-MÁS CERCANOS
2.4 DISTANCIA EUCLIDIANA
2.5 CALCULAR LA DISTANCIA PARA TODAS LAS OBSERVACIONES
2.6 ALEATORIZAR Y ORDENAR
2.7 PRECIO PROMEDIO
2.8 FUNCIONES DE PREDICCIÓN
EVALUACIÓN DEL DESEMPEÑO DEL MODELO
3.1 PRUEBA DE LA CALIDAD DE LAS PREDICCIONES
3.2 MÉTRICAS DE ERROR
3.3 ERROR MEDIO CUADRADO
3.4 ENTRENANDO OTRO MODELO
3.5 ERROR CUADRÁTICO MEDIO
3.6 COMPARANDO MAE Y RMSE
VECINOS MÁS CERCANOS K MULTIVARIANTE
4.1 RESUMEN
4.2 ELIMINAR FUNCIONES
4.3 MANEJO DE VALORES PERDIDOS
4.4 NORMALIZAR COLUMNAS
4.5 DISTANCIA EUCLIDIANA PARA CASO MULTIVARIANTE
4.6 INTRODUCCIÓN A SCIKIT-LEARN
4.7 AJUSTAR UN MODELO Y HACER PREDICCIONES
4.8 CALCULAR MSE USANDO SCIKIT-LEARN
4.9 USO DE MÁS FUNCIONES
4.10 USO DE TODAS LAS FUNCIONES
OPTIMIZACIÓN DE HIPERPARÁMETROS
5.1 RESUMEN
5.2 OPTIMIZACIÓN DE HIPERPARÁMETROS
5.3 AMPLIACIÓN DE LA BÚSQUEDA DE CUADRÍCULA
5.4 VISUALIZACIÓN DE VALORES DE HIPERPARÁMETROS
VALIDACIÓN CRUZADA
6.1 CONCEPTO
6.2 VALIDACIÓN DE EXCLUSIÓN
6.3 VALIDACIÓN CRUZADA DE K-FOLD
PROYECTO GUIADO: PREDECIR LOS PRECIOS DE LOS AUTOMÓVILES
7.1 PROYECTO GUIADO: PREDECIR LOS PRECIOS DE LOS AUTOMÓVILES
CÁLCULO PARA EL APRENDIZAJE AUTOMÁTICO
8.1 CÁLCULO PARA EL APRENDIZAJE AUTOMÁTICO
8.2 COMPRENSIÓN DE FUNCIONES LINEALES Y NO LINEALES
8.3 COMPRENSIÓN DE LOS LÍMITES
8.4 ENCONTRAR PUNTOS EXTREMOS
ÁLGEBRA LINEAL PARA APRENDIZAJE AUTOMÁTICO
9.1 ÁLGEBRA LINEAL PARA APRENDIZAJE AUTOMÁTICO
9.2 SISTEMAS LINEALES
9.3 VECTORES
9.4 ÁLGEBRA DE MATRICES
9.5 CONJUNTOS DE SOLUCIONES
REGRESIÓN LINEAL PARA APRENDIZAJE AUTOMÁTICO
10.1 REGRESIÓN LINEAL PARA APRENDIZAJE AUTOMÁTICO
10.2 EL MODELO DE REGRESIÓN LINEAL
10.3 SELECCIÓN DE CARACTERÍSTICAS
10.4 DESCENSO DE GRADIENTE
10.5 MÍNIMOS CUADRADOS ORDINARIOS FUNCIONES DE PROCESAMIENTO Y TRANSFORMACIÓN
10.6 PROYECTO GUIADO: PREDICCIÓN DE PRECIOS DE VENTA DE VIVIENDAS
APRENDIZAJE AUTOMÁTICO EN PYTHON
11.1 REGRESIÓN LOGÍSTICA
11.2 INTRODUCCIÓN A LA EVALUACIÓN DE CLASIFICADORES BINARIOS
11.3 CLASIFICACIÓN MULTICLASE
11.4 SOBREAJUSTE
11.5 CONCEPTOS BÁSICOS DE LA AGRUPACIÓN EN CLÚSTERES
11.6 AGRUPACIÓN DE K-MEANS
11.7 PROYECTO GUIADO: PREDICCIÓN DEL MERCADO DE VALORES
ÁRBOL DE DECISIÓN
12.1 ÁRBOL DE DECISIÓN
12.2 ¿POR QUÉ UTILIZAR ÁRBOLES DE DECISIÓN?
12.3 TERMINOLOGÍAS DE ÁRBOLES DE DECISIÓN
12.4 ¿CÓMO FUNCIONA EL ALGORITMO DEL ÁRBOL DE DECISIÓN?
12.5 PODA: OBTENER UN ÁRBOL DE DECISIONES ÓPTIMO
12.6 VENTAJAS DEL ÁRBOL DE DECISIONES
12.7 DESVENTAJAS DEL ÁRBOL DE DECISIONES
12.8 IMPLEMENTACIÓN DE PYTHON DEL ÁRBOL DE DECISIONES
12.9 PROYECTO GUIADO: PREDECIR EL ALQUILER DE BICICLETAS
12.10 REFERENCIAS Y BIBLIOGRAFÍA

Publico en General

Persona o Empresa

16 horas

NA

Certificacion

NA

NA