Curso de machine learning
Nivel básico a nivel avanzado
S/.5.00
Out of stock
Contenido del Curso:
Módulo 1: Fundamentos de Machine Learning en la Era Digital: Introducción a los conceptos clave de ML, tipos de aprendizaje (supervisado, no supervisado, por refuerzo), y las matemáticas esenciales (álgebra lineal, cálculo, probabilidad). Enfoque en la ética de la IA y el impacto social.
Módulo 2: Aprendizaje Supervisado y Modelos Predictivos Avanzados: Algoritmos como regresión, clasificación (árboles de decisión, SVM, k-NN), y ensambles (Random Forests, Gradient Boosting). Optimización de modelos y evaluación de rendimiento.
Módulo 3: Aprendizaje No Supervisado y Descubrimiento de Patrones: Técnicas de clustering (k-Means, DBSCAN), reducción de dimensionalidad (PCA, t-SNE) y asociación. Aplicaciones en la segmentación de datos y detección de anomalías.
Módulo 4: Deep Learning y Redes Neuronales en el Futuro: Introducción a las redes neuronales artificiales, redes convolucionales (CNN) para visión por computadora y redes recurrentes (RNN) para procesamiento de lenguaje natural. Uso de frameworks como TensorFlow y PyTorch.
Módulo 5: Aprendizaje por Refuerzo y Robótica Inteligente: Conceptos de agentes, entornos, recompensas y políticas. Aplicaciones en juegos, robótica, vehículos autónomos y sistemas de recomendación inteligentes.
Módulo 6: MLOps y Despliegue de Modelos Escalables: Buenas prácticas para el ciclo de vida de los modelos de ML, monitoreo, versionado y despliegue en la nube (Azure ML, Google AI Platform).