Curso de Machine Learning con Python y Scikit Learn

¿En qué consiste el Machine Learning o Aprendizaje Automático? ¿Quieres saber cómo aplicarlo rápidamente?

Existe una alta demanda de los perfiles especializados en Machine Learning y sobre cómo aprovechar la información para sacar la ventaja competitiva que ofrecen estas técnicas.

En este curso aprenderás, paso a paso, en qué consiste el Machine Learning, sus diferentes vertientes y qué tipos de problemas que podemos resolver y la manera de hacerlo con Python. No es necesario conocer previamente Python porque habrá un bloque introductorio para enseñar lo esencial del análisis de datos con este lenguaje y toda su instalación y aprender en 3 horas cómo aplicar Machine Learning con Python de manera inmediata.

Al finalizar cada bloque habrá casos prácticos reales y tendrá a su disposición el código utilizado para que lo puedan adaptar fácilmente a su caso de uso concreto.

¿Qué aprenderás en este curso?

• Qué es el machine learning y tipos, la inteligencia artificial y el Deep Learning.
• Introducción al Python, así como a las librerías Numpy, Pandas, Matplotlib y la librería machine learning Sciki Learn.
• Modelo de clasificación del machine learning, los problemas que resuelven. Los algoritmos para la clasificación como decision tree SVM o Naive Bayes.
• Modelos de regresión y los problemas que resuelven, los algoritmos de regresión lineal y la explicación de Scikit-Learn.
• El modelo clustering y los problemas que resuelven, el algotirmo machine learning K-means y la explicación paso a paso con Sclkit-Learn.
• Las reglas de asociación y los problemas que resuelven, el algoritmo de las mismas y la explicación paso a paso.

Los estudiantes de este curso aprenderán qué es el Machine Learning o Aprendizaje Automático, sus diferentes vertientes y tipologías. También, conocer el lenguaje Python desde cero con un bloque introductorio para enseñar sobre análisis de datos y su instalación. La finalidad es que al final del curso el alumno sea capaz de desarrollar proyectos habiendo practicado ya con los casos prácticos reales al final de cada bloque; tendrá a su disposición el código utilizado para que lo pueda adaptar fácilmente a su caso concreto.

1. Introducción al machine learning
   1. Estructura del curso
   2. ¿Qué es el machine Learning?
   3. Machine learning & inteligencia artificial & Deep Learning
   4. Tipos de machine Learning
2. Introducción a Python
   1. Instalación Python + Jupyter
   2. Conceptos básicos de Python
   3. Introducción a las librerías: Numpy
   4. Introducción a las librerías: Pandas
   5. Introducción a las librerías: Matplotlib
   6. Librería Machine Learning Scikit-Learn
3. Machine learning – clasificación
   1. ¿Qué es y qué problemas resuelven un modelo de clasificación?
   2. Algoritmos machine learning para clasificación (Decision tree, svm, naive bayes, logistic regression.KNN)
   3. Explicación paso a paso con Scikit – Learn – Caso Práctico Clasificación
   4. Ejercicio codificación – Clasificación
4. Machine learning – regresión
   1. ¿Qué es y qué problemas resuelven un modelo de regresión?
   2. Algoritmo machine learning regresión lineal
   3. Explicación paso a paso con Scikit– learn – Caso práctico regresión
5. Machine learning – Clustering
   1. ¿Qué es y qué problemas resuelven un modelo de clustering?
   2. Algoritmo machine learning K –means
   3. Explicación paso a paso con Scikit – Learn – Caso Práctico clustering
6. Machine learning – Reglas de asociación
   1. ¿Qué es y qué problemas resuelven un modelo de reglas de asociación?
   2. Algoritmo Reglas de Asociación – “Apriori”
   3. Explicación paso a paso - Caso práctico reglas de asociación
   4. Conclusiones