Sección 1: Introducción al Aprendizaje Automático

· Estructura del curso.

· Definición de Aprendizaje Automático.

· Relación entre Machine Learning, Inteligencia Artificial y Deep Learning.

· Diferentes tipos de Machine Learning.

Sección 2: Introducción a Python

· Instalación de Python y Jupyter.

· Fundamentos de Python.

· Inicio en bibliotecas como Numpy, Pandas, Matplotlib y Scikit-Learn.

Sección 3: Aprendizaje automático - Clasificación

· Explicación de la clasificación en Machine Learning y los problemas que aborda.

· Algoritmos de Machine Learning para clasificación, como Decision Trees, SVM, Naive Bayes, Regresión Logística y KNN.

· Caso práctico de clasificación con Scikit-Learn.

· Ejercicio de codificación relacionado con la clasificación.

Sección 4: Aprendizaje automático - Regresión

· Introducción a la regresión en Machine Learning y sus aplicaciones.

· Algoritmo de regresión lineal en Machine Learning.

· Caso práctico de regresión con Scikit-Learn.

Sección 5: Aprendizaje automático - Agrupación

· Explicación de la agrupación (clustering) en Machine Learning y sus aplicaciones.

· Algoritmo de agrupación K-Means en Machine Learning.

· Caso práctico de agrupación con Scikit-Learn.

Sección 6: Aprendizaje automático - Reglas de Asociación

· Descripción de las reglas de asociación en Machine Learning y sus usos.

· Algoritmo "Apriori" para reglas de asociación.

· Caso práctico con explicación paso a paso sobre reglas de asociación.