PDD en estrategias de IA
ISEB - Instituto Superior Europeo de BarcelonaPostgrado online
2.100 € 1.900 €
Duración : 1 Año
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.
Objetivos
Instalar Python y ejecutar programas. Conocer las principales estructuras de datos, operadores lógicos y controles de flujo que se pueden utilizar en el código. Definir los principales conceptos asociados al machine learning. Comprender cómo estos algoritmos procesan datos para resolver problemas de clasificación, así como sus fortalezas y debilidades. Comprender las características de los algoritmos de Machine Learning No Supervisados. Clasificar los algoritmos de la literatura según el tipo de modelo que usa. Comprender el desarrollo de Python de las redes neuronales
A quién va dirigido
Este curso superior en Inteligencia Artificial está enfocado a profesionales de diversas áreas que deseen adquirir conocimientos en esta disciplina. Está especialmente diseñado para aquellos interesados en el análisis de datos y la programación en Python, así como para aquellos que deseen aprender sobre Machine Learning y Deep Learning. Es ideal para aquellos que buscan adquirir habilidades en el manejo y aplicación de técnicas de Inteligencia Artificial en sus trabajos.
Requisitos
Para poder acceder, hay que estar en posesión de un título de Grado, Arquitectura, Ingeniería Superior o Técnica, Licenciatura, Diplomatura u otro título. También pueden acceder a él profesionales con proyección profesional en el puesto o estudiantes que cursen una carrera universitaria o estudios superiores equivalentes.
Temario completo de este curso
TEMA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS CON PYTHON
1.1. Introducción a Python
1.2. Numpy
1.3. Pandas
TEMA 2. INTRODUCCIÓN AL MACHINE LEARNING
2.1. ¿Qué es el machine learning?
2.2. Pipeline habitual en machine learning
TEMA 3. MACHINE LEARNING SUPERVISADO
3.1. Introducción a los métodos supervisados
3.2. Regresión lineal
3.3. Regresión logística
3.4. Árboles de decisión
3.5. Support-vector machines
3.6. Métodos ensemble
TEMA 4. MACHINE LEARNING NO SUPERVISADO
4.1. Introducción a los métodos no supervisados
4.2. K-MEANS
4.3. K-NN
4.4. Reducción de dimensionalidad con PCS
4.5. Recommendation Systems
TEMA 5. REINFORCEMENT LEARNING
5.1. Introducción al concepto de aprendizaje por refuerzo
5.2. Algoritmos
TEMA 6. FUNDAMENTOS DE DEEP LEARNING
6.1. Introducción a deep learning
6.2. Redes neuronales
2.795 € 2.060 €
2.595 € 1.995 €
2.595 € 1.995 €
5.500 € 3.754 €
998 €