- Presencial
- 28 horas
- Aula Virtual
- No disponible
El objetivo de este curso es proporcionar una competencia general en la aplicación de métodos de aprendizaje automático en la práctica. Mediante el uso del lenguaje de programación Python y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo utilizar los bloques de construcción más importantes del aprendizaje automático, cómo tomar decisiones de modelado de datos, interpretar el las salidas de los algoritmos y validar los resultados.
Introduction to Applied Machine Learning
- Statistical learning vs. Machine learning
- Iteration and evaluation
- Bias-Variance trade-off
Supervised Learning and Unsupervised Learning
- Machine Learning Languages, Types, and Examples
- Supervised vs Unsupervised Learning
Supervised Learning
- Decision Trees
- Random Forests
- Model Evaluation
Machine Learning with Python
- Choice of libraries
- Add-on tools
Regression
- Linear regression
- Generalizations and Nonlinearity
- Exercises
Classification
- Bayesian refresher
- Naive Bayes
- Logistic regression
- K-Nearest neighbors
- Exercises
Cross-validation and Resampling
- Cross-validation approaches
- Bootstrap
- Exercises
Unsupervised Learning
- K-means clustering
- Examples
- Challenges of unsupervised learning and beyond K-means
Neural networks
- Layers and nodes
- Python neural network libraries
- Working with scikit-learn
- Working with PyBrain
- Deep Learning
Otros cursos bonificables de NobleProg:
Nosotros nos encargamos de gestionar la bonificación de estos cursos. Para información sobre la inscripción, CONTACTA CON EL CENTRO.
