Curso de Python Avanzado Y Machine Learning - IDEXA Formación
Precio
A CONSULTAR
Tipo Cursos
Modalidad Online / A distancia, Presencial
visitar web para saber más
En Docenzia te asesoramos de forma gratuita para que escojas el mejor programa formativo que se adapte a tus necesidades y así poder mejorar tu carrera profesional. ¡Contáctanos para ayudarte!
Enviar WhatsApp
Te llamamosRecibir más información
-
Tipo
Cursos
-
Modalidad
Online / A distancia (+)
-
Duración / Créditos
30 h.
-
Fechas
Matric. Permanente
-
Sedes
Rinconada, La
Información general
DESCRIPCIÓN:
Descubre el poder de Python y el machine learning con el Curso de Python Avanzado Y Machine Learning de IDEXA Formación. Si buscas llevar tus habilidades de programación al siguiente nivel y adentrarte en el campo de la inteligencia artificial, este curso es para ti.
A través de una combinación de teoría y práctica, explorarás las técnicas avanzadas de Python y aprenderás a aplicarlas en proyectos de machine learning. Desde el preprocesamiento de datos hasta la creación de modelos predictivos, adquirirás las habilidades necesarias para resolver problemas complejos y obtener insights valiosos a partir de los datos.
Descubrirás cómo implementar algoritmos de aprendizaje supervisado y no supervisado, optimizar el rendimiento de tus modelos y desplegar soluciones de machine learning en entornos de producción.
Ya seas un desarrollador de software, un analista de datos o simplemente alguien apasionado por la inteligencia artificial, el Curso de Python Avanzado Y Machine Learning de IDEXA Formación te brindará las herramientas y conocimientos necesarios para destacar en este campo en rápida evolución.
A través de una combinación de teoría y práctica, explorarás las técnicas avanzadas de Python y aprenderás a aplicarlas en proyectos de machine learning. Desde el preprocesamiento de datos hasta la creación de modelos predictivos, adquirirás las habilidades necesarias para resolver problemas complejos y obtener insights valiosos a partir de los datos.
Descubrirás cómo implementar algoritmos de aprendizaje supervisado y no supervisado, optimizar el rendimiento de tus modelos y desplegar soluciones de machine learning en entornos de producción.
Ya seas un desarrollador de software, un analista de datos o simplemente alguien apasionado por la inteligencia artificial, el Curso de Python Avanzado Y Machine Learning de IDEXA Formación te brindará las herramientas y conocimientos necesarios para destacar en este campo en rápida evolución.
Bonificable
ASPECTOS A TENER EN CUENTA
FINALIDAD DEL PROGRAMA FORMATIVO:
- Dominar las técnicas avanzadas de programación en Python
- Aplicar conceptos de machine learning en proyectos prácticos
- Preprocesar y explorar datos para obtener insights valiosos
- Implementar algoritmos de aprendizaje supervisado y no supervisado
- Desplegar y escalar soluciones de machine learning en producción
- Aplicar conceptos de machine learning en proyectos prácticos
- Preprocesar y explorar datos para obtener insights valiosos
- Implementar algoritmos de aprendizaje supervisado y no supervisado
- Desplegar y escalar soluciones de machine learning en producción
¿A quién va dirigido?
- Desarrolladores de software con conocimientos básicos de Python
- Analistas de datos y profesionales de inteligencia empresarial
- Investigadores y académicos interesados en aplicar machine learning
- Entusiastas de la inteligencia artificial y el aprendizaje automático
- Graduados en ciencias de la computación, matemáticas o campos relacionados
- Analistas de datos y profesionales de inteligencia empresarial
- Investigadores y académicos interesados en aplicar machine learning
- Entusiastas de la inteligencia artificial y el aprendizaje automático
- Graduados en ciencias de la computación, matemáticas o campos relacionados
TEMARIO
Módulo 1. Instalación, colecciones python, funciones y clases
Instalación de Anaconda
Descripción de Jupyter Notebook
Descripción de Pycharm
Colecciones Python
Definición de funciones y clases
Módulo 2. Matrices con numpy, introducción a pandas
Definición y operaciones de arrays numpy
Definición de Series y DataFrame pandas
Estadísticos descriptivos y sumarios
Carga y guardado de tablas
Módulo 3. Tablas con pandas
Mezclas de tablas
Transformaciones, variables dummy
Limpieza
Agregaciones y operaciones de grupos
Tablas pivotales y de frecuencia
Módulo 4. Representación visual y eda
Series temporales, ventanas móviles y formatos de fecha
Ingeniería de atributos
Representación con Seaborn
EDA sobre tabla
Módulo 5. Aprendizaje automático: supervisado regresión
Conceptos aprendizaje automático
Introducción a scikit learn
Regresión lineal
Métricas evaluadoras
Pipelines
Módulo 6. Aprendizaje automático: regularización y validación
Regularización de modelos de aprendizaje automático
Sesgo y varianza. Sobreajuste e infraajuste
Validación cruzada
Análisis de correlación e ingeniería de atributos explícita para el modelo
Módulo 7. Aprendizaje automático: supervisado clasificación
Regresión logística
Métricas de clasificación. Matriz de confusión
Árboles de decisión
Gbms con catboost
Módulo 8. Taller de aprendizaje supervisado, serialización y servicio
Ejecución por grupos de un modelo de clasificación
Serialización y creación de una mini-aplicación http para desplegar el modelo
Módulo 9. Aprendizaje automático no supervisado
Clustering
Reducción de dimensionalidad
Detección de anomalías
Módulo 10. Modelado de dato textual
Tokenización
Topic modeling
Clasificación de texto
Instalación de Anaconda
Descripción de Jupyter Notebook
Descripción de Pycharm
Colecciones Python
Definición de funciones y clases
Módulo 2. Matrices con numpy, introducción a pandas
Definición y operaciones de arrays numpy
Definición de Series y DataFrame pandas
Estadísticos descriptivos y sumarios
Carga y guardado de tablas
Módulo 3. Tablas con pandas
Mezclas de tablas
Transformaciones, variables dummy
Limpieza
Agregaciones y operaciones de grupos
Tablas pivotales y de frecuencia
Módulo 4. Representación visual y eda
Series temporales, ventanas móviles y formatos de fecha
Ingeniería de atributos
Representación con Seaborn
EDA sobre tabla
Módulo 5. Aprendizaje automático: supervisado regresión
Conceptos aprendizaje automático
Introducción a scikit learn
Regresión lineal
Métricas evaluadoras
Pipelines
Módulo 6. Aprendizaje automático: regularización y validación
Regularización de modelos de aprendizaje automático
Sesgo y varianza. Sobreajuste e infraajuste
Validación cruzada
Análisis de correlación e ingeniería de atributos explícita para el modelo
Módulo 7. Aprendizaje automático: supervisado clasificación
Regresión logística
Métricas de clasificación. Matriz de confusión
Árboles de decisión
Gbms con catboost
Módulo 8. Taller de aprendizaje supervisado, serialización y servicio
Ejecución por grupos de un modelo de clasificación
Serialización y creación de una mini-aplicación http para desplegar el modelo
Módulo 9. Aprendizaje automático no supervisado
Clustering
Reducción de dimensionalidad
Detección de anomalías
Módulo 10. Modelado de dato textual
Tokenización
Topic modeling
Clasificación de texto
SALIDAS PROFESIONALES
Con esta formación podrás ejercer como profesional cualificado en puestos de trabajo de:
- - Científico de datos
- - Ingeniero de machine learning
- - Desarrollador de inteligencia artificial
- - Analista de datos avanzado
- - Consultor de soluciones de aprendizaje automático
TE RECOMENDAMOS VER TAMBIÉN
En los siguientes enlaces podrás ver programas formativos similares:
UBICACIONES DE NUESTRAS SEDES
-
Rinconada, La
Edificio Inn Offices. Torre Pavas, Ctra. Sevilla-Cazalla, A-8002, Km 7, 5, 41309 La Rinconada, Sevilla
Opiniones
No hay opiniones registradas para este curso
