Curso Práctico en Java y Machine Learning (140 horas)
SERPROFESCurso subvencionado para trabajadores semipresencial
San Sebastián de los Reyes (Madrid)
Gratis
Duración : 3 Meses
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Sedes
Localización
Fecha inicio
Objetivos
• Entender y aplicar modelos supervisados y no supervisados. • Usar herramientas como Python, TensorFlow y Scikit-Learn. • Desarrollar modelos de clasificación y regresión. • Evaluar y mejorar el rendimiento de los modelos. • Trabajar con datasets reales para crear soluciones predictivas.
A quién va dirigido
Este curso está dirigido a: • Profesionales en tecnología, ingeniería, estadística y áreas relacionadas que deseen adquirir o mejorar sus habilidades en Machine Learning.
Requisitos
• Documento en vigor: Es necesario contar con DNI o NIE actualizado para poder participar en el programa. • Interés por el área ingeniería e informática. Ser poseedor de uno de los siguientes documentos en vigor: DNI y/o NIE.
Temario completo de este curso
Contenido del curso:
- Introducción a Machine Learning: Conceptos básicos de Machine Learning, tipos de aprendizaje supervisado, no supervisado y por refuerzo.
- Preprocesamiento de Datos: Limpieza, transformación de variables y tratamiento de valores nulos.
- Modelos Supervisados:
- Regresión Lineal y Regresión Logística (en Python).
- Árboles de Decisión y K-Vecinos más Cercanos (K-NN) (en Java).
- Modelos No Supervisados:
- Clustering (K-means, DBSCAN en Python).
- Análisis de Componentes Principales (PCA) en Python.
- Redes Neuronales y Deep Learning:
- Introducción a deep learning con TensorFlow y Keras (en Python).
- Implementación de redes neuronales simples en Java.
- Optimización de Modelos:
- Evaluación de modelos, validación cruzada y optimización de hiperparámetros en Python y Java.
- Despliegue de Modelos en Producción con Java: Integración de modelos de Machine Learning en aplicaciones, creación de APIs y automatización de predicciones.
- Proyecto Final: Implementación de un proyecto de Machine Learning con Python y Java, usando tecnologías de inteligencia artificial.
Gratis
Gratis
Gratis
Gratis
Gratis