Certificación en Machine Learning con R

Objetivos:

El machine learning es una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan. Es decir cuando su desempeño mejora con la experiencia. Se trata de diseñar algoritmos para convertir muestras de datos en programas, sin tener que escribirlos. Los programas resultantes deben ser capaces de generalizar comportamientos e inferencias para un conjunto de grandes datos. Las aplicaciones son amplias que incluyen motores de búsqueda, diagnósticos médicos, detección de fraude en el uso de tarjetas de crédito, análisis del mercado de valores, clasificación de secuencias de ADN, reconocimiento del habla y del lenguaje escrito, juegos y robótica.

Destinatarios del curso:

Está dirigido a cualquier persona con conocimientos equivalentes al de la Diplomatura de Ciencia de Datos.

Etapas

Etapa de nivelación

Clases en vivo de Programación Lógica.
Bases de Datos.
Probabilidad y Estadística.

Etapa de Introducción

Clases en vivo de Introducción Conceptual.
Introducción a los Lenguajes de Programación.
Taller de Programación.

Etapa de Especialización

Clases en vivo teóricas y prácticas sobre las principales librerías, técnicas y herramientas.

Programa

Regresiones

Regresión Lineal
Regresión polinómica
Regresión exponencial y logarítmica
Regresión de dos variables
Cálculo de regresiones en R con lm
Cálculo de regresiones logísticas en R con glm

Árboles de decisión

Algoritmo básico en Excel
División en entrenamiento y prueba
Uso de Rpart y cp
Predicción y valoración de la solución
Uso de Party
Aplicación al problema del call center

Clusters

Algoritmo básico en Excel
Uso de kmeans
Ejemplo de aplicación real
Otros algoritmos de agrupamiento en R
Ejercicio de aplicación de agrupamiento de mascotas

Reglas de Asociación

Algoritmo básico en Access
División en entrenamiento y prueba
Uso de arules en R
Ejemplo de una aplicación real votación de reglas
Ejemplo de una aplicación real a datos de ventas en supermercados

Redes Neuronales

Algoritmo básico en Excel
División en entrenamiento y prueba
Uso de neuralnet
Predicción y valoración de la solución
Discusión del problema de legibilidad de los resultados desde el negocio
Competencia entre árboles y redes en un caso concreto

Algoritmos genéticos

Algoritmo básico en Excel
Discusión del tipo de problemas en los que se aplica
Discusión de otros mecanismos de optimización
Implementación en R del uso de algoritmos genéticos como Valores reales
Binarios
Permutaciones

Series temporales

Taxonomía
Separación de componentes
Predicciones
ARIMA implementado en R
Predicción en series con un único período
Predicción en series con múltiples períodos
Predicción en series con períodos variables: renormalización

Método de Simulación de Montecarlo

Algoritmo básico en Excel
Discusión de la utilidad del método
Comparación con el análisis de escenarios
Ejemplo de una aplicación real
Ejemplo simple implementado en R

Minería de textos

Clasificación supervisada de piezas de texto
Construcción de una red semántica
Discusión de las posibilidades de reconocimiento de voz
Ejemplos de aplicación real del algoritmo de clasificación
Aplicación a la detección de sentimientos

Bayes Ingenuo

Implementación en Excel
Comparación de 4 algoritmos predictivos (Bayes ingenuo, árboles, redes neuronales y regresión logística)
Ejemplo de aplicación en R

Random Forest

Descripción conceptual del método
Paquete randomForest
Ejemplo de aplicación
Comparación con otras técnicas

Métodos Bayesianos

Descripción conceptual del método: Regresión lineal bayesiana
Regresión logística bayesiana
Inferencia bayesiana
Red bayesiana
Ejemplos de aplicación
Paquete BAS
Paquete brms
Paquete arm
Paquete bnlearnd
Comparación con otras técnicas

Máquina de soporte vectorial

Descripción conceptual del método
Paquete e1071
Ejemplo de aplicación
Comparación con otras técnicas

Cursado, evaluación y certificación

Cursado:

Dos clases semanales por videoconferencias interactivas, una teórica y una práctica. La duración de cada clase es de 30 a 60 minutos dependiendo del tema, la cantidad de participantes y el nivel de intervenciones conseguido.
El estudiante tiene actividad complementaria con material de soporte de las clases, material teórico para estudiar, ejercicios resueltos y para resolver, corrección de ejercicios y autoevaluaciones.
Trabajos prácticos sobre proyectos reales, para aprender haciendo.
Todas las clases en vivo quedan grabadas a disposición de los estudiantes y no se exige asistencia. También dispones de clases de ediciones anteriores.
Los cursos inician cada 15 días.
Participa en el grupo de Telegram para realizar tus consultas fuera del horario de clases.
Se coordinan videollamadas para atender consultas específicas.

Evaluación:

Presentación de proyecto final y Examen final (mínimo 60 % de respuestas correctas).

Certificación:

Entrega de Certificado Oficial de la UTN FRRQ, firmada por Decano de la Facultad y Código QR de autenticidad.

Profesores

Ignacio Urteaga

MBA en Dirección de Sistemas de Información. Físico, (Tesis en física nuclear) Investigador, Premiado en 2001 por sus trabajos en Ciencia de Datos. Más de 30 años de experiencia docente en Universidades y en la aplicación de Datos y BI como Director, Gerente o Consultor en el ámbito público y privado.

Cesar Procopio

Actuario en Administración (UBA) Licenciado en Administración. Maestría en Finanzas (Orientación Cuantitativa, Universidad de San Andrés). Maestría en Data Mining.

Becas

Programa de Becas

En Latam Learning, creemos que la educación de calidad debe ser accesible para todos. Por eso, nos complace anunciar el lanzamiento de nuestro Programa de Becas, diseñado para ofrecer oportunidades a quienes desean ampliar sus conocimientos y habilidades a través de nuestros cursos online con certificación universitaria UTN.

¿Qué ofrecemos?

Las becas están disponibles para la gran mayoría de nuestros cursos, con diferentes descuentos según cada situación. Nuestro objetivo es facilitar el acceso a formación de alta calidad a estudiantes, profesionales y apasionados del aprendizaje.

¿Quiénes pueden solicitar una beca?

Cualquier persona interesada en crecer profesionalmente y que cumpla con los requisitos establecidos para cada programa. Valoramos la diversidad y queremos apoyar a individuos de todos los países de Latinoamérica.

¿Cómo solicitar una beca

El proceso es simple: completa el siguiente formulario, nuestro equipo evaluará la situación y te contestará dentro de las 24 horas hábiles. Accedé al formulario para solicitar tu beca haciendo clic acá.

Certificación en Machine Learning con R

Modalidad

Duración

Certificación

Fecha de inicio

Idioma

Sobre el curso