TEMARIO DEL CURSO:

En el momento de formalizar tú matrícula accederás al módulo previo de preparación donde entrenaremos tu capacidad de "aprender a aprender" en nuestra plataforma, junto con las habilidades clave para el profesional digital, fundamentales durante el transcurso del programa.

• Habilidades Digitales
• Productividad: Organización y Gestión del Tiempo
• Pensamiento Crítico y Creatividad (Ética)
• Actitud Emprendedora

Módulo 1. Fundamentos de IA y Machine Learning

• Introducción a la IA y Machine Learning
• Algoritmos de regresión. Evaluación y métricas
• Ecosistemas de Machine Learning en la nube
• Proyecto: Análisis predictivo del precio de la vivienda

Módulo 2. Aprendizaje supervisado I

• Clasificación binaria, multiclase y métricas. Curva ROC
• Clasificación con Naive Bayes
• Clasificación con Support Vector Machine (SVM)
• Proyecto: Evaluación del estado de salud de un bebé durante el parto

Módulo 3. Aprendizaje supervisado II

• Clasificación con KNN, regresión logística y softmax
• Regresión y clasificación con árboles de decisión
• Combinación de clasificadores: ensembles y random forests
• Proyecto: Desarrollo de un análisis predictivo sobre la propensión a abandonar la empresa por parte del personal empleado

Módulo 4. Aprendizaje NO Supervisado

• Reducción de dimensionalidad en los datos: PCA
• Algoritmos de agrupamiento: K Medias y jerárquico
• Técnicas de detección de anomalías
• Proyecto: PCA y CLUSTERING utilizando Python

Módulo 5. Redes neuronales y Deep Learning

• Hitos del Deep Learning y fundamentos de las redes neuronales
• Frameworks de Deep Learning: TensorFlow
• Ajuste de modelos de Deep Learning
• Proyecto: Análisis donde se aplican técnicas de Deep Learning

Módulo 6. Redes Neuronales Convolucionales (CNNs)

• Fundamentos de las CNNs: kernels, convolución, pooling, etc.
• Modelos pre-entrenados: Transfer Learning y Fine-Tuning
• Deep Learning en producción
• Proyecto: Análisis de un problema de clasificación de imágenes con Deep Learning

Módulo 7. Sistemas de recomendación

• Personalización creada por datos
• Filtrado Colaborativo
• Aplicaciones, tendencias y retos de los sistemas de recomendación
• Proyecto: Implementando un algoritmo de SR con la librería Surprise de Python

Módulo 8. Procesamiento del Lenguaje Natural

• Introducción al Procesamiento del Lenguaje Natural
• Modelos Probabilísticos de NLP y Métodos de Aplicación
• NLP – Modelos y Algoritmos
• Proyecto: Investigación detallada de un caso de estudio de NLP

Módulo 9. Global Project