![](https://grupoloyal.net/wp-content/uploads/2022/02/curso-e1645533395126.jpg)
INTRODUCCIÓN A MACHINE LEARNING
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-objetivos.png)
Objetivos
Proporcionarles los conocimientos generales acerca de su aplicación práctica con la librería Scikit-learn y su implementación algorítmica con Python.
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-palabras-clave-300x300.png)
data
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-elearning-300x194.png)
Disponible en formato e-learning
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-presencial.png)
Disponible en formato presencial
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-remoto-300x300.png)
Disponible en formato a distancia
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-subvencionado-300x300.png)
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-subvencionado-300x300.png)
Subvención disponible
A través de Fundae, cumpliendo requisitos.
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-duracion-1-290x300.png)
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-duracion-1-290x300.png)
Duración
9 horas
- Dificultad 50%
- Nivel alcanzado 80%
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-dirigido-a-300x268.png)
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-dirigido-a-300x268.png)
Dirigido a
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-skils.png)
![](http://itformacion.ivanosuna.com/wp-content/uploads/2020/09/curso-skils.png)
Conocimientos requeridos
Temario
I. Modelos predictivos (Introducción)
Introducción a la algorítmica predictiva.
Machine Learning.
Toma de decisiones predictivas.
Aprendizaje supervisado.
Clasificación y regresión.
Aprendizaje no supervisado.
Agrupaciones y clusterizaciones.
Fases de entrenamiento.
Fase de prueba.
2. Aprendizaje automático (Machine Learning)
Intérprete (Spyder & Jupyter)
Aprendizaje supervisado y no Supervisado.
Matplotlib para visualización.
Aprendizaje supervisado y no supervisado: Numpy, Scipy, Pandas para cálculo numérico y análisis de datos.
Aprendizaje supervisado.
Scikit-learn
Aprendizaje supervisado.: Scikit-learn – Kmeans
Entrenamiento.
Prueba.
3. Optimización (Python & Excel)
Programación lineal
Programación no lineal
Solver
Curvas de distribución
Scipy-Optimize
Comentarios recientes