University of St Andrews - Online

Curso en Intermedio: Aprendizaje automático de extremo a extremo

Mejore sus conocimientos de aprendizaje automático profundizando en algoritmos más complejos y aplicaciones del mundo real.

Este breve curso está dirigido a profesionales que deseen comprender los conceptos y las tecnologías que sustentan el aprendizaje automático moderno.

En este curso, aprenderá sobre los métodos modernos de aprendizaje automático a través de cinco temas:

• La clasificación explica cuál es la mejor forma de predecir clases discretas, por ejemplo, aceptar o rechazar solicitudes de crédito.
• Modelos de entrenamiento presenta los métodos utilizados para resolver el problema central de optimización: ¿qué variante de una clase de modelos tiene el menor error?
• Árboles & Random Forests explora cómo se pueden derivar, ampliar y desplegar modelos de árboles para producir modelos con estimaciones validadas de rendimiento en nuevas instancias de datos.
• La reducción de la dimensionalidad abarca la justificación y los métodos aplicables para reducir el número de características utilizadas en los modelos de aprendizaje automático predictivo.
• El aprendizaje no supervisado estudia cómo aprender y desplegar modelos para los que no existe una variable objetivo.

Para cada tema se proporciona y explica código Python avanzado. Los principales resultados del aprendizaje son determinar qué modelos son aplicables a los distintos datos y objetivos, y llevar a cabo el ajuste de hiperparámetros o la selección de modelos en función del modelo.