MÓDULO I. Introducción.

· Conceptos básicos de machine learning.
· Jupyter Notebook como nuestro entorno de machine learning.
· Curso rápido de Python.

MÓDULO II. Análisis de datos

· Cargar un conjunto de datos.
· Estadística descriptiva.
· Visualización de datos.
· Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
· Examen tipo test sobre los contenidos del módulo.

MODULO III. Preprocesamiento de datos

· Análisis exploratorio de datos.
· Preprocesamiento de datos.
· Métodos de remuestreo para estimar la precisión del modelo.
· Taller: Trabajo de aplicación de diferentes técnicas de análisis y procesamiento de datos de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida.
· Examen tipo test sobre los contenidos del módulo.

MÓDULO IV. Fase de tratamiento de datos

· Evaluación de las métricas.
· Feature Selection.
· Feature Importance.
· Reducción de dimensiones en un dataset.
· Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas.
· Examen tipo test sobre los contenidos del módulo.

MÓDULO V. Fase de modelado

· Algoritmos de Machine Learning.
· Rendimiento de los algoritmos.
· Algoritmos Ensamblados
· Algoritmo «Super Lerner»
· Taller: Aplicación de diferentes algoritmos de machine learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento.
· Examen tipo test sobre los contenidos del módulo.

MÓDULO VI. Fase de optimización y forecasting

· Pipelines.
· Procesamiento de datos avanzado.
· Configuración de hiperparámetros.
· Guardado e integración del modelo.
· Taller: Una vez seleccionados los algoritmos candidatos a modelo realizar una optimización de estos a través de la configuración de sus hiperparámetros.
· Examen tipo test sobre los contenidos del módulo.

MÓDULO VII. Proyectos de machine learning

· Trabajar un proyecto de clasificación multiclase
· Trabajar un proyecto de regresión.
· Trabajar un proyecto de clasificación binaria.
· Proyecto: Realizar un proyecto completo analizando todas las fases estudiadas en los diferentes módulos.

MÓDULO VIII. Aprendizaje No Supervisado

· Aprendizaje No supervisado.
· Algoritmos de Aprendizaje No Supervisado.
· Determinar el número óptimo de clústers.
· Proyecto de Aprendizaje No Supervisado.