Curso de Machine Learning with Python – 4 Days
el objetivo de este curso es proporcionar una competencia general en la aplicación de métodos de aprendizaje automático en la práctica. Mediante el uso del lenguaje de programación Python y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo utilizar los bloques de construcción más importantes del aprendizaje automático, cómo tomar decisiones de modelado de datos, interpretar el las salidas de los algoritmos y validar los resultados.
nuestro objetivo es darle las habilidades para entender y utilizar las herramientas más fundamentales de la caja de herramientas machine learning con confianza y evitar las trampas comunes de las aplicaciones de Ciencias de la información.
Programa del Curso
Introducción a la aplicación Machine Learning
- Aprendizaje estadístico vs. Aprendizaje automático
- Iteración y evaluación
- Compensación entre sesgo y varianza
Aprendizaje supervisado y aprendizaje no supervisado
- Machine Learning Languages, Tipos y ejemplos
- Aprendizaje supervisado vs Unsupervised Learning
Aprendizaje supervisado
- Árboles de decisión
- Random Forests
- Evaluación de modelos
Aprendizaje automático con Python
- Elección de bibliotecas
- Herramientas adicionales
Regresión
- Regresión lineal
- Generalizaciones y no linealidad
- Ejercicios
Clasificación
- Repaso de Bayes
- Naive Bayes
- Regresión logística
- Vecinos más cercanos (K-Nearest Neighbors)
- Ejercicios
Validación cruzada y remuestreo
- Enfoques de validación cruzada
- Bootstrap
- Ejercicios
Aprendizaje no supervisado
- Agrupamiento K-means
- Ejemplos
- Desafíos del aprendizaje no supervisado y más allá de K-means
Redes neuronales
- Capas y nodos
- Bibliotecas de redes neuronales Python
- Trabajo con scikit-learn
- Trabajo con PyBrain
- Deep Learning
Requerimientos
Conocimiento de Python lenguaje de programación. Se recomienda estar familiarizado con la estadística y el álgebra lineal.
Los cursos de formación abiertos requieren más de 5 participantes.
Curso de Machine Learning with Python – 4 Days - Booking
Curso de Machine Learning with Python – 4 Days - Enquiry
Testimonios (7)
Conocimiento interesante
Gabriel - MINDEF
Curso - Machine Learning with Python – 4 Days
Traducción Automática
El entrenador era un profesional con mucha experiencia y tenía un conocimiento muy bueno del material.
Witold Iwaniec - City of Calgary
Curso - Machine Learning with Python – 4 Days
Traducción Automática
El entrenador porque podía manejar casi todos los temas y situaciones.
Florin Babes - eMAG IT RESEARCH SRL
Curso - Machine Learning with Python – 4 Days
Traducción Automática
La forma en que el entrenador explicó los conceptos, su actitud positiva y acogedora y los ejemplos del mundo real proporcionados para cada ejercicio.
Ovidiu Calita - eMAG IT RESEARCH SRL
Curso - Machine Learning with Python – 4 Days
Traducción Automática
Muy buena sesión de entrenamiento con buena documentación y ejercicios y Kristian lo hizo como un profesional que es.
Adrian Boulescu - eMAG IT RESEARCH SRL
Curso - Machine Learning with Python – 4 Days
Traducción Automática
Me gusta que sea muy hábil y tenga mucho conocimiento en su campo.
dan dumitriu - eMAG IT RESEARCH SRL
Curso - Machine Learning with Python – 4 Days
Traducción Automática
Abundante documentación y muchos recursos como apoyo al curso, así como recursos para el proceso de aprendizaje posterior al curso
Virgil Mihai - eMAG IT RESEARCH SRL
Curso - Machine Learning with Python – 4 Days
Traducción Automática
Próximos cursos
Cursos Relacionados
AdaBoost Python for Machine Learning
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a científicos de datos e ingenieros de software que deseen utilizar AdaBoost para crear algoritmos de impulso para el aprendizaje automático con Python.
Al final de esta formación, los participantes serán capaces de:
- Configure el entorno de desarrollo necesario para empezar a crear modelos de aprendizaje automático con AdaBoost.
- Comprender el enfoque de aprendizaje por conjuntos y cómo implementar el impulso adaptativo.
- Aprenda a crear modelos AdaBoost para impulsar los algoritmos de aprendizaje automático en Python.
- Utilice el ajuste de hiperparámetros para aumentar la precisión y el rendimiento de los modelos AdaBoost.
AutoML con Auto-Keras
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a científicos de datos, así como a personas menos técnicas que desean usar Auto-Keras para automatizar el proceso de selección y optimización de un modelo de aprendizaje automático.
Al final de esta formación, los participantes serán capaces de:
- Automatice el proceso de entrenamiento de modelos de aprendizaje automático altamente eficientes.
- Busque automáticamente los mejores parámetros para los modelos de aprendizaje profundo.
- Cree modelos de aprendizaje automático de alta precisión.
- Utilice el poder del aprendizaje automático para resolver problemas empresariales del mundo real.
AutoML
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a personas técnicas con experiencia en aprendizaje automático que deseen optimizar los modelos de aprendizaje automático utilizados para detectar patrones complejos en big data.
Al final de esta formación, los participantes serán capaces de:
- Instale y evalúe varias herramientas de código abierto AutoML (H2O AutoML, auto-sklearn, TPOT, TensorFlow, PyTorch, Auto-Keras, TPOT, Auto-WEKA, etcétera.)
- Entrene modelos de aprendizaje automático de alta calidad.
- Resuelva de manera eficiente diferentes tipos de problemas de aprendizaje automático supervisado.
- Escriba solo el código necesario para iniciar el proceso de aprendizaje automático automatizado.
Creating Custom Chatbots with Google AutoML
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a participantes con diferentes niveles de experiencia que deseen aprovechar la plataforma Google AutoML para crear chatbots personalizados para diversas aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
- Comprender los fundamentos del desarrollo de chatbots.
- Navegue por Googgle Cloud Platform y acceda a AutoML.
- Prepare los datos para entrenar modelos de chatbot.
- Entrene y evalúe modelos de chatbot personalizados con AutoML.
- Implemente e integre chatbots en varias plataformas y canales.
- Supervise y optimice el rendimiento del chatbot a lo largo del tiempo.
Reconocimiento de Patrones
21 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) proporciona una introducción al campo del reconocimiento de patrones y el aprendizaje automático. Aborda aplicaciones prácticas en estadística, informática, procesamiento de señales, visión artificial, minería de datos y bioinformática.
Al final de esta formación, los participantes serán capaces de:
- Aplicar métodos estadísticos básicos al reconocimiento de patrones.
- Utilice modelos clave como redes neuronales y métodos de kernel para el análisis de datos.
- Implementar técnicas avanzadas para la resolución de problemas complejos.
- Mejore la precisión de la predicción mediante la combinación de diferentes modelos.
DataRobot
7 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a científicos y analistas de datos que desean automatizar, evaluar y administrar modelos predictivos utilizando las capacidades de aprendizaje automático de DataRobot.
Al final de esta formación, los participantes serán capaces de:
- Cargue conjuntos de datos en DataRobot para analizar, evaluar y verificar la calidad de los datos.
- Cree y entrene modelos para identificar variables importantes y cumplir con los objetivos de predicción.
- Interprete los modelos para crear información valiosa que sea útil para tomar decisiones empresariales.
- Supervise y administre modelos para mantener un rendimiento de predicción optimizado.
Data Mining with Weka
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a analistas de datos y científicos de datos de nivel principiante a intermedio que deseen utilizar Weka para realizar tareas de minería de datos.
Al final de esta formación, los participantes serán capaces de:
- Instalar y configurar Weka.
- Comprender el entorno Weka y el entorno de trabajo.
- Realice tareas de minería de datos mediante Weka.
Google Cloud AutoML
7 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a científicos de datos, analistas de datos y desarrolladores que deseen explorar AutoML productos y características para crear e implementar modelos de entrenamiento de ML personalizados con el mínimo esfuerzo.
Al final de esta formación, los participantes serán capaces de:
- Explore la línea de productos AutoML para implementar diferentes servicios para varios tipos de datos.
- Prepare y etiquete conjuntos de datos para crear modelos de ML personalizados.
- Entrene y administre modelos para producir modelos de aprendizaje automático precisos y justos.
- Realice predicciones utilizando modelos entrenados para cumplir con los objetivos y necesidades comerciales.
Machine Learning for Mobile Apps using Google’s ML Kit
14 HorasEsta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores que desean utilizar Google ML Kit para crear modelos de aprendizaje automático optimizados para el procesamiento en dispositivos móviles.
Al final de esta formación, los participantes serán capaces de:
- Configure el entorno de desarrollo necesario para comenzar a desarrollar funciones de aprendizaje automático para aplicaciones móviles.
- Integre nuevas tecnologías de aprendizaje automático en aplicaciones Android y iOS mediante las ML Kit API.
- Mejore y optimice las aplicaciones existentes con el SDK ML Kit para el procesamiento y la implementación en el dispositivo.
Machine Learning with Random Forest
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a científicos de datos e ingenieros de software que desean usar Random Forest para crear algoritmos de aprendizaje automático para grandes conjuntos de datos.
Al final de esta formación, los participantes serán capaces de:
- Configure el entorno de desarrollo necesario para empezar a crear modelos de aprendizaje automático con Random forest.
- Comprender las ventajas de Random Forest y cómo implementarlo para resolver problemas de clasificación y regresión.
- Aprenda a manejar grandes conjuntos de datos e interpretar varios árboles de decisión en Random Forest.
- Evalúe y optimice el rendimiento del modelo de aprendizaje automático ajustando los hiperparámetros.
Advanced Analytics with RapidMiner
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a analistas de datos de nivel intermedio que desean aprender a usar RapidMiner para estimar y proyectar valores y utilizar herramientas analíticas para el pronóstico de series temporales.
Al final de esta formación, los participantes serán capaces de:
- Aprenda a aplicar la metodología CRISP-DM, seleccione los algoritmos de aprendizaje automático adecuados y mejore la construcción y el rendimiento de los modelos.
- Utilice RapidMiner para estimar y proyectar valores, y utilice herramientas analíticas para la previsión de series temporales.
RapidMiner for Machine Learning and Predictive Analytics
14 HorasRapidMiner es una plataforma de software de ciencia de datos de código abierto para la creación rápida de prototipos y desarrollo de aplicaciones. Incluye un entorno integrado para la preparación de datos, el aprendizaje automático, el aprendizaje profundo, la minería de textos y el análisis predictivo.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar RapidMiner Studio para la preparación de datos, el aprendizaje automático y la implementación de modelos predictivos.
Al final de esta formación, los participantes serán capaces de:
- Instalar y configurar RapidMiner
- Prepare y visualice datos con RapidMiner
- Validación de modelos de aprendizaje automático
- Mashup de datos y creación de modelos predictivos
- Poner en práctica el análisis predictivo dentro de un proceso de negocio
- Solucionar problemas y optimizar RapidMiner
Audiencia
- Científicos de datos
- Ingenieros
- Desarrolladores
Formato del curso
- En parte conferencia, en parte discusión, ejercicios y práctica práctica intensa
Nota
- Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.