Envíanos tu consulta
![iconoCurso](data:image/svg+xml;utf8, <svg width="920" height="920" viewBox="0 0 920 920" fill="none" xmlns="http://www.w3.org/2000/svg">
<path fill-rule="evenodd" clip-rule="evenodd" d="M669.17 230.633C669.17 246.791 677.919 260.893 690.932 268.435V329.98H495.086V374.494H735.321V267.871C747.808 260.204 756.137 246.398 756.137 230.633C756.137 206.561 736.695 187 712.653 187C688.612 187 669.17 206.561 669.17 230.633ZM712.737 245.494C704.873 245.494 698.497 239.132 698.497 231.284C698.497 223.436 704.873 217.074 712.737 217.074C720.602 217.074 726.978 223.436 726.978 231.284C726.978 239.132 720.602 245.494 712.737 245.494Z" fill="url(%23paint0_linear_1916_4)"/>
<path fill-rule="evenodd" clip-rule="evenodd" d="M691.405 453.369V514.715H798.922C806.429 527.765 820.472 536.565 836.603 536.565C860.644 536.565 880.086 517.004 880.086 492.933C880.086 468.861 860.644 449.3 836.603 449.3C820.864 449.3 807.116 457.678 799.485 470.201H735.794V408.855H495.086V453.369H691.405ZM822.862 492.806C822.862 500.654 829.237 507.016 837.102 507.016C844.967 507.016 851.342 500.654 851.342 492.806C851.342 484.958 844.967 478.596 837.102 478.596C829.237 478.596 822.862 484.958 822.862 492.806Z" fill="url(%23paint1_linear_1916_4)"/>
<path fill-rule="evenodd" clip-rule="evenodd" d="M690.459 651.565V590.02H495.086V545.506H734.848V652.129C747.335 659.796 755.664 673.602 755.664 689.367C755.664 713.439 736.222 733 712.18 733C688.139 733 668.697 713.439 668.697 689.367C668.697 673.209 677.446 659.107 690.459 651.565ZM712.263 674.506C704.398 674.506 698.023 680.868 698.023 688.716C698.023 696.564 704.398 702.926 712.263 702.926C720.128 702.926 726.503 696.564 726.503 688.716C726.503 680.868 720.128 674.506 712.263 674.506Z" fill="url(%23paint2_linear_1916_4)"/>
<path d="M334.074 190C196.467 190 205.061 249.675 205.061 249.675L205.215 311.496H336.528V330.053H153.058C153.058 330.053 65 320.074 65 458.912C65 597.75 141.855 592.833 141.855 592.833H187.727V528.404C187.727 528.404 185.248 451.516 263.351 451.516H393.595C393.595 451.516 466.764 452.699 466.764 380.801V261.971C466.764 261.971 477.878 190 334.074 190ZM261.666 231.57C267.925 231.566 273.929 234.048 278.358 238.47C282.788 242.891 285.28 248.891 285.286 255.15C285.292 258.251 284.686 261.322 283.503 264.189C282.321 267.055 280.585 269.66 278.395 271.856C276.205 274.051 273.604 275.793 270.741 276.982C267.877 278.171 264.807 278.785 261.706 278.787H261.666C255.407 278.8 249.399 276.326 244.964 271.911C240.528 267.495 238.028 261.498 238.013 255.239V255.199C238.01 252.099 238.617 249.029 239.801 246.164C240.984 243.299 242.72 240.695 244.91 238.501C247.099 236.307 249.699 234.566 252.562 233.377C255.425 232.187 258.493 231.574 261.593 231.57H261.666Z" fill="url(%23paint3_linear_1916_4)"/>
<path d="M337.979 729.225C475.586 729.225 467 669.55 467 669.55L466.846 607.729H335.525V589.171H518.995C518.995 589.171 607.053 599.159 607.053 460.304C607.053 321.45 530.198 326.383 530.198 326.383H484.326V390.812C484.326 390.812 486.805 467.668 408.702 467.668H278.459C278.459 467.668 205.289 466.485 205.289 538.391V657.262C205.289 657.262 194.175 729.208 337.979 729.208V729.225ZM410.387 687.654C407.288 687.657 404.218 687.05 401.354 685.866C398.489 684.683 395.886 682.947 393.692 680.757C391.499 678.568 389.758 675.967 388.57 673.105C387.382 670.242 386.769 667.174 386.767 664.074V664.074C386.764 660.974 387.371 657.905 388.554 655.039C389.738 652.174 391.474 649.571 393.663 647.376C395.853 645.182 398.453 643.441 401.316 642.252C404.178 641.063 407.247 640.449 410.347 640.446V640.446C413.448 640.435 416.521 641.036 419.391 642.213C422.26 643.39 424.87 645.121 427.07 647.307C429.27 649.493 431.018 652.091 432.214 654.953C433.41 657.814 434.03 660.884 434.04 663.985V664.026C434.044 670.287 431.562 676.293 427.138 680.724C422.715 685.155 416.713 687.648 410.452 687.654H410.387Z" fill="url(%23paint4_linear_1916_4)"/>
<defs>
<linearGradient id="paint0_linear_1916_4" x1="486.516" y1="454.051" x2="890.634" y2="454.051" gradientUnits="userSpaceOnUse">
<stop offset="0.282767" stop-color="%233878AF"/>
<stop offset="0.933004" stop-color="%23366D9B"/>
</linearGradient>
<linearGradient id="paint1_linear_1916_4" x1="486.516" y1="454.051" x2="890.634" y2="454.051" gradientUnits="userSpaceOnUse">
<stop offset="0.282767" stop-color="%233878AF"/>
<stop offset="0.933004" stop-color="%23366D9B"/>
</linearGradient>
<linearGradient id="paint2_linear_1916_4" x1="486.516" y1="454.051" x2="890.634" y2="454.051" gradientUnits="userSpaceOnUse">
<stop offset="0.282767" stop-color="%233878AF"/>
<stop offset="0.933004" stop-color="%23366D9B"/>
</linearGradient>
<linearGradient id="paint3_linear_1916_4" x1="119.215" y1="243.354" x2="389.447" y2="512.986" gradientUnits="userSpaceOnUse">
<stop stop-color="%23387EB9"/>
<stop offset="1" stop-color="%23366994"/>
</linearGradient>
<linearGradient id="paint4_linear_1916_4" x1="282.165" y1="420.582" x2="567.375" y2="690.181" gradientUnits="userSpaceOnUse">
<stop stop-color="%23FFDF44"/>
<stop offset="1" stop-color="%23FFC219"/>
</linearGradient>
</defs>
</svg>)
Curso Machine Learning con Python: Fundamentos
DISPONIBLE EN MODALIDAD:
Aula Virtual Personalizada
Con este curso de Machine Learning con Python aprenderás a desarrollar soluciones Machine Learning de aprendizaje supervisado y no supervisado con las librerías de python más empleadas en el mundo real.
Adquiere todos los conceptos necesarios sobre el «aprendizaje automático» de la mano del popular lenguaje de programación Python.
Empieza esta formación para entender qué es el aprendizaje automático y cómo crear programas evolutivos que se mejoren a sí mismos a partir de conjuntos complejos de datos.
Fundamentos del Machine Learning con Python
A quién va dirigido nuestro curso de Machine Learning con Python
Este curso está orientado a todo profesional con interés en aprender machine learning con el lenguaje de programación Python.
Objetivos de nuestro curso de Machine Learning con Python
- Conocer los fundamentos del Machine Learning
- Aprender a emplear las principales librerías de Machine Learning utilizadas en proyectos reales
- Aprender a crear soluciones no supervisadas y supervisadas
- Crear modelos predictivos
Qué vas a aprender en nuestro curso de Machine Learning con Python
Adquiere todos los conceptos necesarios sobre el «aprendizaje automático» de la mano del popular lenguaje de programación Python.
Empieza esta formación para entender qué es el aprendizaje automático y cómo crear programas evolutivos que se mejoren a sí mismos a partir de conjuntos complejos de datos.
Requisitos de nuestro curso de Machine Learning con Python
- Tener experiencia desarrollando con Python y conocer los fundamentos del lenguaje, además de tener conocimientos básicos del tratamiento de datos
- Tener un equipo con acceso a un usuario con permisos de instalación donde realizar el curso
- Tener Python (v3.x o superior), Git y Visual Studio Code instalado previamente en el equipo
- Disponer de una cuenta de Google con acceso a Google Colab para realizar las sesiones prácticas
- Especificaciones de hardware: Procesador Intel o AMD de 2GHz o superior, al menos 8GB de memoria RAM y mínimo 25GB de espacio en disco
Contenido del curso
tema 1
Machine Learning y herramientas
- ¿Qué es el ML?
- Disciplinas
- Ejemplos del mundo real
- scikit-learn
- ¿Qué es el Model Factory?
- Google Colab
- Jupyter Notebook
- NumPy
- SciPy
- matplotlib
- pandas
- mglearn
- Hugging Face
tema 2
Clasificación y Predicción
- Predicciones
- Regresión
- Sobreajuste (Overfitting)
- Desajuste (Underfitting)
- Aprendizaje no supervisado
- Aprendizaje sueprvisado
- Aprendizaje no supervisado vs supervisado
tema 3
Aprendizaje no supervisado y preprocesado
- Tipos de aprendizaje no supervisado
- ¿Qué es el preprocesado?
- Tipos de preprocesado
- Transformación de datos
- Reducción de dimensionalidad
- Extracción de características
- Aprendizaje múltiple
- APC (Análisis Principal de Componentes)
- Clustering
- K-means
- Clustering Aglomerativo
- Clustering para segmentación de imagenes
- Clustering para preprocesado
- Clustering para aprendizaje semisupervisado
- DBSCAN
- Mezclas Gaussianas
- Detección de anomalías con MG
tema 4
Aprendizaje supervisado
- Regresión lineal
- Descenso de gradiente
- Regresión de polinomio
- Modelos lineares regularizados
- Regresión Ridge
- Regresión Lasso
- Regresión logística
- Funcion Cost
- Decision Boundaries
- Regresión Softmax
tema 5
Representación de datos
- Variables categóricas
- Label Encoding
- One Hot Encoding
- scikit-learn
- Data binning
- Discretización
- Modelos lineares
- Interacciones
- Polinomios
tema 6
Árbol de decisión
- ¿Qué es un árbol de decisión?
- Beneficios
- Entrenamiento del árbol de decisión
- Generar predicciones
- Visualización del árbol de decisión
- Algoritmo de árbol de clasificación y regresión (AACR/CART)
- Complejidad computacional
- Regularización de hiperparámetros
- Regresión del árbol de decisión
tema 7
Reducción de dimensionalidad
- RD (Reducción de dimensionalidad)
- Enfoques principales para la RD
- Proyección
- Aprendizaje Manifold
- APC aleatorio
- APC incremental
- APC Kernel
tema 8
Evaluación y mejora del modelo
- Validación cruzada
- ¿En qué nos beneficia la validación cruzada?
- Validación cruzada con scikit-learn
- K-fold
- Ajuste de hiperparámetros
- GridSearch
- Evaluación de métricas
- Clasificación binaria
- Clasificación multiclase
- Métricas de regresión
tema 9
Pipelines
- Preprocesado para selección de parámetros
- Creación de pipelines
- Pipelines en Grid Search
- Interfaz de Pipeline
- make_pipeline
- Acceder a los atributos
tema 10
Redes neuronales artificiales con Keras
- ¿Qué es una red neuronal?
- Keras
- Neuronas biológicas
- Realizando cálculos lógicos con neuronas
- Neuronas artificiales
- Perceptrón
- Perceptrón multicapa (PM)
- Retropropagación
- Regresión del PM
- Clasificación del PM
tema 11
Keras y TensorFlow
- PM con Keras
- TensorFlow
- ¿Qué son los Tensores?
- Sequential API
- Functional API
- Subclassing API
- Callbacks
- Visualización con TensorBoard
tema 12
Modelos personalizados con TensorFlow
- Operaciones
- NumPy
- Conversiones de tipos
- Personalización de modelos
- Función de pérdida personalizada
- Función de activación personalizada
- Inicializadores personalizados
- Regualizadores personalizados
- Constraints personalizados
- Métricas personalizados
- Capas personalizados
- Modelos personalizados
tema 13
Carga y preprocesado de datos con TensorFlow
- ¿Qué es la Data API de TensorFlow?
- Encadenamiento de transformaciones
- Preprocesado de los daots
- Cache prefetching
- Formato TFRecord
- Búfer de protocolo
- Protobuf
- Carga y análisis de datos
Preguntas Frecuentes de Machine Learning con Python
¿Cuáles son los beneficios del curso Machine Learning con Python?
El curso de Machine Learning con Python te permitirá adquirir conocimientos avanzados en análisis de datos, desarrollo de algoritmos y modelos predictivos. Aprenderás a utilizar Python para implementar soluciones de aprendizaje automático que podrás aplicar en tu empresa para mejorar la toma de decisiones, optimizar procesos y aumentar la eficiencia.
¿El curso de Machine Learning con Python se puede bonificar a través de FUNDAE?
Sí, el curso de Machine Learning con Python se puede bonificar a través de FUNDAE. Esto permite a las empresas recuperar una parte o la totalidad del coste del curso, por lo que es una inversión altamente rentable en la formación de tus empleados.
¿En que modalidades se imparte el curso de Machine Learning con Python?
El curso de Machine Learning con Python se imparte en modalidad online y también en aula virtual personalizada, lo cual te permite elegir la opción que mejor se adapte a las necesidades y horarios de tu empresa.
¿Qué habilidades desarrollaré con el curso de Machine Learning con Python?
Con el curso de Machine Learning con Python desarrollarás habilidades en programación con Python, manejo de librerías como NumPy, pandas y scikit-learn, y el uso de técnicas de machine learning para resolver problemas empresariales. Además, aprenderás a realizar análisis de datos, crear modelos predictivos y aplicar estos conocimientos en proyectos reales.
¿Cómo puedo inscribirme en el curso de Machine Learning con Python?
Puedes inscribirte en el curso de Machine Learning con Python rellenando los formularios que aparecen en la web de Imagina Formación. Este proceso es sencillo y rápido, y te permitirá reservar tu lugar en el curso de manera inmediata.