Curso Machine Learning (asignatura de Especialización en Inteligencia Artificial) - Semi-presencial

Galería de imágenes

Universidad EIA - Educación Continua

Comentarios sobre Curso Machine Learning (asignatura de Especialización en Inteligencia Artificial) - Semi-presencial - Envigado - Antioquia

• Contenido
  Curso de Machine Learning (Especialización en Inteligencia Artificial).
  
  

  
  

  Detalles.

  • Modalidad: Híbrido
  • Sede: Palmas
  • Duración: 48 horas

  
  ¿Por qué tomar este programa?.

  
  Debido a los rápidos avances tecnológicos en el manejo de grandes cantidades de datos y la aplicación de los resultados en una amplia variedad de aplicaciones, se necesita cada vez más de métodos que sean capaces de, a partir de los datos o experiencia, aprender de ellos y predecir tendencias futuras. Este tipo de algoritmos están dentro de una rama de la inteligencia artificial, conocida como machine learning. Todo esto lleva a una creciente necesidad de especialistas en aprendizaje automático.
  

  
  

  Objetivo.

  
  Identificar y aplicar las mejores técnicas para resolver problemas en los diversos contextos del aprendizaje de máquina.
  

  
  

  Requerimientos.

  
  Equipo con las siguientes características, como mínimo:
  

  • 8 Gb RAM
  • Intel Core i5 o equivalente
  • Disco duro de 500Gb
  • Internet de banda ancha de mínimo 100 MB

  
  

  Metodología.

  
  El desarrollo de las clases se realizará de manera interactiva, buscando siempre la participación de los estudiantes. Durante algunas de ellas se realizarán talleres que ejercitarán los temas vistos en clase y que servirán de ayuda para los trabajos y evaluaciones de la asignatura. Para las actividades prácticas se destinarán 32 horas de acompañamiento debido a que el curso es de naturaleza aplicable y el estudiante debe enfrentarse a situaciones reales.
  
  La metodología por excelencia es el aprendizaje basado en proyectos. Desde el inicio del curso se enfrenta al estudiante al análisis y planteamiento de la solución a proyectos de toda índole, desde los más simples a los más complejos. Por otro lado, se utilizará el aprendizaje basado en problemas para aporta el pensamiento sistémico y crítico del estudiante.
  

  
  

  Público objetivo.

  
  Estudiantes, profesionales, coordinadores y/o directivos empresariales, empleados que tengan bajo su responsabilidad la toma de decisiones; público en general y personas interesadas en los aprendizajes sobre la Analítica de datos.
  
  Las personas que participen en este curso y que luego se matriculen en la especialización de Big data, podrán homologarlo para que se valide como asignatura.
  
  
  Plan de estudios.
  
  Módulos
  

  
  Módulo 1
  

  • Introducción a Machine Learning
  • Teoría de aprendizaje supervisado
  • Teoría de aprendizaje no supervisado
  • Teoría de aprendizaje reforzado

  
  Módulo 2
  

  • Métodos para regresión
  • Métodos para clasificación:

  
  o     Árboles de decisión
  
  o     Redes neuronales
  
  o     Support Vector Machine
  
  o     Métodos bayesianos
  
  o     Métodos basados en casos
  
  o     Multiclasificadores
  

  • Formas de validación de resultados.

  
  Módulo 3
  

  • Técnicas de aprendizaje no supervisado
  • Algoritmos de clustering: k-means, EM, Kohonen
  • Formas de validación de clusters

  
  Módulo 4
  

  • Procesos de decisión de Markov y ecuaciones Bellman
  • Métodos de diferencia temporal y valor
  • Q-learning y Sarsa

Otra formación relacionada con tecnología