Curso Machine Learning para Inteligencia de Negocios
Objetivo General
Sentar las bases para el desarrollo de proyectos de inteligencia de negocios usando modelos de aprendizaje automático.
Objetivos específicos
Al final del curso, el participante estará en capacidad de:
- Identificar y plantear objetivos de inteligencia de negocios susceptibles de ser alcanzables por medio de métodos de aprendizaje automático.
- Aplicar correctamente la metodología de diseño de experimentos para implementar, evaluar e interpretar modelos de aprendizaje automático.
Justificación
El aprendizaje de máquina o Machine Learning es una herramienta poderosa para tomar decisiones basadas en la evidencia suministrada por los datos. Este curso se enfoca en desarrollar habilidades para la identificación y el planteamiento de problemas y objetivos que pueden abordarse y alcanzarse por medio de métodos de aprendizaje de máquina. Se suministrarán herramientas para el aprendizaje de metodología de diseño, evaluación e interpretación de modelos usando Python, enfocándonos en aplicaciones asociadas a inteligencia de negocios.
Fecha de inicio: 31 de octubre
Fecha de finalización: 23 de noviembre
Metodología: Clases teórico/prácticas
Modalidad: Virtual Sincrónico (a través de Microsoft Teams)
Horario: Martes y jueves de 6:00pm a 8:00pm
Duración: 48 hrs (16 hrs docencia directa / 32 hrs trabajo independiente).
Para mayor Información contáctate con:
- Ana Maria Espinel
- Cel: 3102331368
- Correo: ana.espinel1@unisabana.edu.co
1'100.000
¡Conoce nuestros descuentos disponibles!
- Descuento estudiante pregrado o posgrado de la Universidad: 15%
- Descuento conyúgue e hijos de graduado de pregrado y posgrado: 10%
- Descuento graduado: 15%
- Descuento empleado Universidad de La Sabana: 50%
- Descuento empleados ASPAEN: 50%
- Descuento familiar empleado: 30%
- Descuento pronto pago: 10%
- Descuento grupos 5 o más personas: 15%
- Descuento grupos 10 o más personas: 20%
Santiago Toledo Cortés
Matemático de la Universidad Nacional de Colombia. Obtuvo una maestría en Matemática Aplicada y actualmente es candidato a doctor en Ingeniería de Sistemas y Ciencias de la Computación, también en la Universidad Nacional de Colombia. Sus áreas de investigación incluyen visión por computador, procesamiento de lenguaje natural, aprendizaje automático multimodal, métodos kernel y temas generales relacionados con la teoría y fundamentos del aprendizaje de máquina.
- Introducción al aprendizaje de máquina.
- Aprendizaje de máquina con Scikit Learn en Python.
- Diseño de experimentos de aprendizaje de máquina.
- Modelos de aprendizaje supervisado.
- Modelos de aprendizaje no supervisado.
- Minería de texto (procesamiento de lenguaje natural).
- Análisis de series de tiempo.
- Reducción de dimensionalidad.