docenzia

Master en Machine Learning - UNED

Centro de formación:

UNED

0,0

0 opiniones /
Precio
2.520 €
Tipo Masters
Modalidad Sin información
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!

Recibir más información

¿Cuándo contactamos contigo?


Enviando...

Master en Machine Learning - UNED

Información general

DESCRIPCIÓN:

A través del Master en Machine Learning en el centro UNED, amplía tu formación con un programa formativo de alto nivel.

Adquiere conocimientos técnicos avanzados y desarrolla tus habilidades en el área. Descubre y adéntrate en los conceptos, técnicas y métodos para aplicar el aprendizaje automático.

Empodérate con herramientas prácticas y conocimientos teóricos, con el fin de desarrollar proyectos de Machine Learning con un alto nivel de calidad. Aprende a diseñar, implementar y evaluar modelos de inteligencia artificial para mejorar la toma de decisiones en entornos reales.

Adquiere los conocimientos necesarios para aplicar técnicas de Machine Learning en cualquier ámbito, desde el sector de la salud hasta la economía. Apuesta por un futuro tecnológico con un programa formativo de alto nivel.

ASPECTOS A TENER EN CUENTA

FINALIDAD DEL PROGRAMA FORMATIVO:

- Introducir a los estudiantes en los principales conceptos y las técnicas básicas de Machine Learning.
- Lograr desarrollar las habilidades necesarias para programar modelos de Machine Learning y aplicarlos a la resolución de problemas prácticos.
- Adquirir experiencia en el estudio e investigación utilizando este tipo de modelos.
- Aprender a desarrollar modelos capaces de crear reglas para clasificar y discriminar entre individuos de una muestra.

¿A quién va dirigido?

El curso está específicamente dirigido a un amplio espectro de titulaciones en las áreas de Ciencias Sociales, Ciencias de la Salud, Ingeniería, Informática y Ciencias.
Así, los alumnos titulados en Economía, Sociología, Psicología, Medicina, Matemáticas, Estadística, Física, Biología, Informática o Ingeniería se beneficiarán del uso a nivel profesional de las técnicas aprendidas en el Máster.
Para poder seguir adecuadamente el Máster se recomienda contar con conocimientos de Matemáticas, Estadística e Inglés.

TITULACIÓN

Máster en Machine Learning de la UNED.

TEMARIO

1. INTRODUCCIÓN AL MACHINE LEARNING
- Los Orígenes del Machine Learning
- Cómo Aprenden las Máquinas
- Machine Learning en la Práctica
- Machine Learning con R
2. GESTIÓN Y EXPLORACIÓN DE DATOS CON R
- Estructuras de Datos en R
- Gestionando Datos con R
- Explorando y Comprendiendo los Datos
3. LAZY LEARNING. CLASIFICACIÓN USANDO NEAREST NEIGHBORS
- Entendiendo la Clasificación Mediante Nearest Neighbor
- Ejemplo Práctico: Diagnosis de Cáncer de Pecho con el Algoritmo k-NN
4. APRENDIZAJE PROBABILÍSTICO. CLASIFICACIÓN MEDIANTE NAIVE BAYES
- Entendiendo Naive Bayes
- Ejemplo Práctico: Filtrando Spam en un Teléfono Móvil con el Algoritmo Naive Bayes
5. CLASIFICACIÓN MEDIANTE ÁRBOLES DE DECISIÓN
- Entendiendo los Árboles de Decisión
- Ejemplo Práctico: Identificación de Préstamos Bancarios de Riesgo Usando Árboles de Decisión Basados en el Algoritmo C5.0
- Entendiendo las Reglas de Clasificación
- Ejemplo Práctico: Identificación de Setas Venenosas con Rule Learners
6. MÉTODOS DE REGRESIÓN
- Entendiendo la Regresión Lineal
- Ejemplo Práctico: Prediciendo Gastos Médicos Usando un Modelo de Regresión Lineal
- Entendiendo los Árboles de Regresión
- Ejemplo Práctico: Estimando la Calidad de los Vinos con Árboles de Regresión
7. Métodos Black Box: Redes Neuronales y Máquinas de Vector Soporte
- Entendiendo las Redes Neuronales
- Ejemplo Práctico: Modelizando la Resistencia del Hormigón con una Red Neuronal
- Entendiendo las Máquinas de Vector Soporte
- Ejemplo Práctico: Realizando Reconocimiento OCR con una Máquina de Vector Soporte
8. BÚSQUEDA DE PATRONES MEDIANTE REGLAS DE ASOCIACIÓN
- Entendiendo las Reglas de Asociación
- Ejemplo Práctico: Identificando las Compras Más Frecuentes con Reglas de Asociación
9. AGRUPACIÓN DE DATOS. EL ALGORITMO K-MEANS
- Entendiendo los Métodos de Clustering
- Ejemplo Práctico: Encontrar Segmentos de Mercado de Adolescentes Mediante Agrupación con k-Means
10. EVALUACIÓN DE MODELOS DE MACHINE LEARNING
- Midiendo el Rendimiento de un Método de Clasificación
- Estimando el Rendimiento Futuro de un Modelo de Clasificación
11. MEJORANDO UN MODELO DE MACHINE LEARNING
- Afinando Parámetros para Mejorar el Rendimiento de un Modelo
- Mejorando un Modelo con Meta-Aprendizaje. Bagging, Boosting y Random Forests
12. ASPECTOS COMPUTACIONALES DEL MACHINE LEARNING
- Gestionando y Preparando Datos del Mundo Real
- Trabajando con Datos y Servicios Online
- Trabajando con Datos en Determinados Campos.
- Mejorando el Rendimiento Computacional de R
TRABAJO FIN DE MÁSTER
- Para superar el Máster, el alumno deberá realizar un trabajo final (equivalente a 10 Créditos ECTS) de temática libre, en el que deberá desarrollar un modelo basado en Machine Learning aplicado a datos reales, usando para ello alguno de los métodos aprendidos a lo largo del curso.

TE RECOMENDAMOS VER TAMBIÉN

En los siguientes enlaces podrás ver programas formativos similares:

UBICACIONES DE NUESTRAS SEDES

  • Madrid

    C/ Bravo Murillo, 38. Planta baja

Opiniones

No hay opiniones registradas para este curso