Diplomado en Aprendizaje Automático y Minería de Datos
Diplomado
Online
Descripción
-
Tipología
Diplomado
-
Metodología
Online
-
Horas lectivas
150h
-
Duración
2 Meses
-
Inicio
Fechas disponibles
-
Campus online
Sí
-
Clases virtuales
Sí
Especialízate en Aprendizaje Automático y Minería de Datos, con esta formación intensiva impartida por expertos con amplia experiencia en el sector. Desarrollarás tus habilidades y conocimientos, de un modo práctico y 100% online, con los mejores recursos didácticos. Una oportunidad única de dar el impulso que tu carrera necesita.
Información importante
Documentación
- 25diplomado-aprendizaje-automatico-mineria-datos.pdf
Sedes y fechas disponibles
Ubicación
comienzo
comienzo
Información relevante sobre el curso
Objetivos generales
Formar científica y tecnológicamente, así como preparar para el ejercicio profesional de la ingeniería informática, todo ello con una formación transversal y versátil adaptada a las nuevas tecnologías e innovaciones en este campo.
Obtener amplios conocimientos en el campo de la computación, la estructura de computadoras y en Aprendizaje Automático y Minería de Datos, todo ello incluyendo la base matemática, estadística y física imprescindible en una ingeniería.
Objetivos específicos
Introducir los procesos de descubrimiento del conocimiento y conceptos básicos de aprendizaje automático.
Aprender los métodos de exploración y preprocesamiento de datos, así como distintos algoritmos basados en árboles de decisión.
Comprender el funcionamiento de los métodos bayesianos y los métodos de regresión y de respuesta continua.
Entender las distintas reglas de clasificación y la evaluación de clasificadores, para ello se aprenderá a usar matrices confusión y evaluación numérica, el estadístico Kappa y la curva ROC.
El objetivo de esta formación es ofrecer a los profesionales de Informática, los conocimientos y habilidades necesarios para realizar su actividad utilizando los protocolos y técnicas más avanzados del momento. Mediante un planteamiento de trabajo totalmente adaptable al alumno, este Curso te llevará progresivamente a adquirir las competencias que te impulsarán hacia un nivel profesional superior.
Este Diplomado en Aprendizaje Automático y Minería de Datos contiene el programa científico más completo y actualizado del mercado.
Tras la superación de las evaluaciones por parte del alumno, éste recibirá por correo postal con acuse de recibo su correspondiente Título de Diplomado emitido por la TECH - Universidad Tecnológica.
El título expedido por la TECH - Universidad Tecnológica expresará la calificación que haya obtenido en el Diplomado, y reúne los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores carreras profesionales.
Título: Diplomado en Aprendizaje Automático y Minería de Datos
Nº Horas Oficiales: 150
Nuestra escuela es la primera en el mundo que combina el estudio de casos clínicos con un sistema de aprendizaje 100% online basado en la reiteración, que combina 8 elementos diferentes que suponen una evolución con respecto al simple estudio y análisis de casos. Esta metodología, a la vanguardia pedagógica mundial, se denomina Relearning.
Nuestra escuela es la primera en habla hispana licenciada para emplear este exitoso método, habiendo conseguido en 2015 mejorar los niveles de satisfacción global (calidad docente, calidad de los materiales, estructura del curso, objetivos…) de los estudiantes que finalizan los cursos con respecto a los indicadores de la mejor universidad online en habla hispana.
Recibida su solicitud, un responsable académico del curso le llamará para explicarle todos los detalles del programa, así como el método de inscripción, facilidades de pago y plazos de matrícula.
En primer lugar, necesitas un ordenador (PC o Macintosh), conexión a internet y una cuenta de correo electrónico. Para poder realizar los cursos integramente ON-LINE dispone de las siguientes opciones: Flash - Instalando Flash Player 10 o posterior (http://www.adobe.com/go/getflash), en alguno de los siguientes navegadores web: - Windows: Internet Explorer 6 y posteriores, Firefox 1.x y posteriores, Google Chrome, Opera 9.5 y posteriores - Mac: Safari 3 y posteriores, Firefox 1.x y posteriores, Google Chrome - Linux: Firefox 1.x y posteriores HTML5 - Instalando alguno de los navegadores web: - Google Chrome 14 o posterior sobre Windows o Mac - Safari 5.1 o posterior sobre Mac - Mobile Safari sobre Apple iOS 5.0 o posterior en iPad/iPhone Apple iOS - Articulate Mobile Player; Apple iOS 5.0 o posterior en iPad.
Opiniones
Materias
- Redes
- Análisis de datos
- Modelos
- Minería
- Informática
Profesores
Docente Docente
Profesor
Temario
Módulo 1. Aprendizaje Automático y Minería de Datos
1.1. Introducción a los procesos de descubrimiento del conocimiento y conceptos básicos de aprendizaje automático
1.1.1. Conceptos clave de los procesos de descubrimiento del conocimiento
1.1.2. Perspectiva histórica de los procesos de descubrimiento del conocimiento
1.1.3. Etapas de los procesos de descubrimiento del conocimiento
1.1.4. Técnicas utilizadas en los procesos de descubrimiento del conocimiento
1.1.5. Características de los buenos modelos de aprendizaje automático
1.1.6. Tipos de información de aprendizaje automático
1.1.7. Conceptos básicos de aprendizaje
1.1.8. Conceptos básicos de aprendizaje no supervisado
1.2. Exploración y preprocesamiento de datos
1.2.1. Tratamiento de datos
1.2.2. Tratamiento de datos en el flujo de análisis de datos
1.2.3. Tipos de datos
1.2.4. Transformaciones de datos
1.2.5. Visualización y exploración de variables continuas
1.2.6. Visualización y exploración de variables categóricas
1.2.7. Medidas de correlación
1.2.8. Representaciones gráficas más habituales
1.2.9. Introducción al análisis multivariante y a la reducción de dimensiones
1.3. Árboles de decisión
1.3.1. Algoritmo ID3
1.3.2. Algoritmo C4.5
1.3.3. Sobreentrenamiento y poda
1.3.4. Análisis de resultados
1.4. Evaluación de clasificadores
1.4.1. Matrices de confusión
1.4.2. Matrices de evaluación numérica
1.4.3. Estadístico de Kappa
1.4.4. La curva ROC
1.5. Reglas de clasificación
1.5.1. Medidas de evaluación de reglas
1.5.2. Introducción a la representación gráfica
1.5.3. Algoritmo de recubrimiento secuencial
1.6. Redes neuronales
1.6.1. Conceptos básicos
1.6.2. Redes de neuronas simples
1.6.3. Algoritmo de backpropagation
1.6.4. Introducción a las redes neuronales recurrentes
1.7. Métodos bayesianos
1.7.1. Conceptos básicos de probabilidad
1.7.2. Teorema de Bayes
1.7.3. Naive Bayes
1.7.4. Introducción a las redes bayesianas
1.8. Modelos de regresión y de respuesta continua
1.8.1. Regresión lineal simple
1.8.2. Regresión lineal múltiple
1.8.3. Regresión logística
1.8.4. Árboles de regresión
1.8.5. Introducción a las máquinas de soporte vectorial (SVM)
1.8.6. Medidas de bondad de ajuste
1.9. Clustering
1.9.1. Conceptos básicos
1.9.2. Clustering jerárquico
1.9.3. Métodos probabilistas
1.9.4. Algoritmo EM
1.9.5. Método B-Cubed
1.9.6. Métodos implícitos
1.10. Minería de textos y procesamiento de lenguaje natural (NLP)
1.10.1. Conceptos básicos
1.10.2. Creación del corpus
1.10.3. Análisis descriptivo
1.10.4. Introducción al análisis de sentimientos
Diplomado en Aprendizaje Automático y Minería de Datos