INFORMÁTICA Y COMUNICACIONES
Presencial
Python para Machine Learning: Modelos Predictivos y Análisis
Adquiere habilidades avanzadas en Machine Learning con Python. Domina la creación de modelos predictivos, de clasificación y series temporales. Perfecciona tus proyectos aplicando técnicas de validación y análisis en diversos sectores.
Información del curso
- Duración160 horas lectivas
- UbicaciónGijón
- EmpresaACCION
Requisitos y destinatarios
Requisitos
- Personas desempleadas
- Inscritas como demandantes de empleo
Dirigido a
Profesionales y estudiantes en análisis de datos
Qué aprenderás
- Modelos predictivos de clasificación en Python.
- Algoritmos de segmentación de poblaciones.
- Predicción de series temporales avanzadas.
- Validación de modelos de Machine Learning.
- Machine Learning en salud, economía y empresa.
- Uso de librerías Python para ML.
Temario
Domina el Arte del Machine Learning con Python
Prepárate para transformar datos en conocimiento y predicciones valiosas.
Introducción al Ecosistema Python para ML
- Fundamentos de Python: Empieza con lo esencial para el análisis de datos.
- Librerías Clave: Descubre y utiliza
NumPy,PandasyMatplotlib.
Aprendizaje Supervisado: Predicción y Clasificación
- Conceptos Fundamentales: ¿Qué es y cómo funciona?
- Métricas de Evaluación: Mide el éxito de tus modelos.
- Modelos Lineales: Regresión y clasificación lineal.
- Árboles de Decisión: Decisiones claras y resultados predecibles.
- Support Vector Machines (SVM): Máxima separación para clasificaciones precisas.
- Redes Neuronales: Inteligencia artificial inspirada en el cerebro.
- Técnicas de Ensamblado: Combina modelos para potenciar resultados (Random Forest).
Aprendizaje No Supervisado: Descubriendo Patrones Ocultos
- Clustering: Agrupa datos similares automáticamente.
- K-Means
- DBSCAN
- Biclustering: Encuentra patrones en subconjuntos de datos.
- Reducción de Dimensionalidad: Simplifica datos complejos.
- PCA (Análisis de Componentes Principales)
- Manifolds
- Análisis de Cestas de la Compra: Descubre relaciones entre productos.
Aplicaciones Prácticas y Validación de Modelos
- Predicción de Series Temporales: Anticipa el futuro (ej. ventas, demanda).
- Validación Cruzada: Asegura la robustez de tus modelos.
- Casos de Uso:
- Salud: Diagnóstico, predicción de enfermedades.
- Economía: Análisis de mercados, predicción de tendencias.
- Empresa: Segmentación de clientes, optimización de procesos.