Información del curso
Duración del curso: 5 semanas estimadas
Tiempo de dedicación: 4–5 horas por semana
Sector: Informática
Zona: España
Modalidad: Distancia
Formaciones: Distancia, España y Informática
Introducción
Aprende a valorizar y extraer conocimiento a partir de los datos, usando técnicas y herramientas de análisis de datos genéricas, y aprendizaje automático en particular.
Información
El aprendizaje automático es una habilidad que toma cada vez más relevancia debido al gran número de datos (big data), los cuales deben de ser analizados para tomar decisiones. En este curso en línea aprenderás los conceptos básicos del aprendizaje automático (machine learning) y la ciencia de datos.En particular,aprenderáslas técnicas necesarias para evaluar el rendimiento de los algoritmos y de los modelos obtenidos. También aprenderás como preprocesar los datos para obtener así modelos de mayor calidad (simples, comprensibles, eficientes, etc.). Por último, en este curso de análisis de datos aprenderás a poner en funcionamiento las técnicas estudiadas mediante un ejemplo prácticoprogramando tus propios scripts y algoritmos en R.
Conocimientos
Reconocer el valor de los datos en las organizaciones y las posibilidades de negocio que plantea su explotación para el desarrollo de productos basados en datos (inteligencia de negocios) Utilizar técnicas de aprendizaje automático, entre otras, para extraer modelos descriptivos y predictivos a partir de los datos, así como saber evaluarlos correctamente Conocer y utilizar las herramientas básicas de integración y preparación de datos, incluyendo visualización de datos, para facilitar la comprensión y el análisis de los datos Aprender a utilizar un lenguaje de programación de análisis de datos (lenguaje R) y las librerías básicas de visualización y algunas de las que permiten generar modelos de aprendizaje automático.
Temario
UNIDAD 1. Introducción al aprendizaje automático y la ciencia de datos PRÁCTICA 1. Introducción al lenguaje R UNIDAD 2. Evaluación de modelos de aprendizaje automático PRÁCTICA 2. Evaluación de modelos de aprendizaje automático UNIDAD 3. Técnicas básicas de aprendizaje automático PRÁCTICA 3. Práctica de creación de modelos de aprendizaje automático UNIDAD 4. Preprocesamiento de datos PRÁCTICA 4. Visualización PROYECTO