Machine Learning con Python
04 de mayo

Objetivos:
  • Conocer las diferencias entre inteligencia artificial y machine learning
  • Desarrollar tratamientos para datos faltantes, atípicos e influyentes.
  • Seleccionar correctamente las variables del problema.
  • Conocer las técnicas de aprendizaje supervisado y no supervisado
  • Fabricar modelos y optimizar paràmetros.
Dirigido a:
  • Profesionales de TI, Matemàtica, Telecomunicaciones - Analistas de Datos - Desarrolladores - Programadores y todo aquel interesado en conocer las principales técnicas y algoritmos para el desarrollo de proyectos de aprendizaje de máquina.

Entregables:
  • Presentaciones y material en digital.
  • Certificado de participación (85 % de asistencia) o de aprobación (nota mínima, 13)
  • Asesoría gratuita vía email a toda consulta y/o comentarios del participante.
Duración y horario:
Inicio: 04 de mayo
Duración: 20 horas
Horarios: sàbados de 9:00 a. m. a 2:00 p. m.
Lugar: calle Emilio Althaus 121 Of. 501 - Lince (Alt. Cdra. 15 entre las Avs. Arequipa y Arenales)

Inversión:
S/ 1,200.00 Soles

Toda inversión puede ser negociada en cuotas (sujeto a cargo adicional)

Promoción: 5 % de Dscto. por inscripción anticipada.
10 % de Dscto. a partir de 2 participantes y ex alumnos.

Escriba a capacitacion@adiestra.pe indicando sus datos, medio de contacto y el curso al que desea acceder a la promoción

Puede realizar su matrícula depositando en nuestra cuenta:
GRUPO CORPORATIVO ADIESTRA SAC
RUC: 20546385745
Cta. Cte. BCP Soles: 191-1966941-0-89
Código CCI BCP Soles: 00219100196694108956

Canjee su voucher en nuestras oficinas. 

Informes e inscripciones: 
Calle Emilio Althaus 121 Of. 501 5to piso - Lince
Lima - Perú Central (511) 2662142
capacitacion@adiestra.pe

Aceptamos tarjeta
VISA
¡Vacantes limitadas!  
 MACHINE LEARNING CON PYTHON
 
1. Introducción al Machine Learning
  • Definiciones de Machine learning
  • Tipos de Aprendizaje: Supervisado y No supervisado
2. Introducción a Python
  • Instalación de Framework Anaconda
  • Sintaxis de python y funciones principales
  • Tipos de Estructura de Datos (Arreglos, Matrices, Diccionarios, DataFrames)
  • Análisis de Datos con Numpy
  • Análisis de Datos con Pandas
3. Entendimiento y preparación de los datos
  • Análisis Exploratorio de Datos
  • Tratamiento de valores Nulos
  • Tratamiento de Valores Atípicos
  • Feature Engineering
4. Construcción y Evaluación de Modelos
  • Aprendizaje Supervisado
    • Modelo de Regresión (Lineal y Logístico)
    • Vecinos más Cercanos (Knn)
    • Naive Bayes
    • Máquina de Soporte Vectorial (SVM)
    • Árboles de Decisión
    • Redes Neuronales
  • Aprendizaje No Supervisado
    • K-Means
    • K-Prototypes
    • K-Modes
  • Validación de Modelos
  • Métricas de Evaluación para Clasificación
  • Métricas de Evaluación para Regresión
 
0
0
0
0