Diplomado en Aprendizaje Informático Automático

Diplomado

Online

$ 635 IVA inc.

Descripción

  • Tipología

    Diplomado

  • Metodología

    Online

  • Horas lectivas

    150h

  • Duración

    6 Semanas

  • Inicio

    Fechas disponibles

  • Campus online

  • Clases virtuales

La inteligencia artificial ha venido para quedarse. En los próximos años jugará un papel fundamental en todo el tejido industrial y supondrá una revolución a nivel mundial. En este programa se profundizará en una parte importante de la inteligencia artificial
como es el aprendizaje automático. El objetivo de este programa es desarrollar todo el proceso de minería de datos poniendo el foco en el proceso de aprendizaje automático.

Información importante

Documentación

  • 148diplomado-aprendizaje-informatico-automatico-latam.pdf

Sedes y fechas disponibles

Ubicación

comienzo

Online

comienzo

Fechas disponiblesInscripciones abiertas

Información relevante sobre el curso

Objetivos generales

Š Examinar el proceso de minería de datos
Š Fundamentar los tipos de aprendizaje automático
Š Analizar las técnicas de aprendizaje automático adecuadas para cada tipo de problema
Š Examinar los paradigmas actuales de la inteligencia artificial

Objetivos específicos

Š Evaluar las habilidades adquiridas en el proceso de pasar de información a conocimiento
Š Desarrollar los diferentes tipos de aprendizaje automático
Š Analizar las métricas y métodos de validación de los distintos algoritmos de aprendizaje automático
Š Compilar las diferentes implementaciones de los distintos métodos de aprendizaje automático

El objetivo de esta especialización es capacitar a los profesionales en Aprendizaje Informático Automático, con 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 Diplomado le llevará progresivamente a adquirir las competencias que le impulsarán hacia un nivel profesional superior. Una capacitación única diseñada por profesionales con amplia
experiencia en el sector.

Este Diplomado en Aprendizaje Informático Automático contiene el programa científico más completo y actualizado del mercado.

Tras la superación de la evaluación, el alumno recibirá por correo postal* con acuse de recibo su correspondiente título de Diplomado emitido por TECH Universidad Tecnológica.

El título expedido por TECH Universidad Tecnológica expresará la calificación que haya obtenido en el Diplomado, y reunirá los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores de carreras profesionales.

Título: Diplomado en Aprendizaje Informático Automático
Nº Horas Oficiales: 150 h.

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.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • Informática
  • Aprendizaje automático
  • Preprocesamiento de datos
  • Regresión
  • Red neuronal

Profesores

Arturo Peralta Martín-Palomino

Arturo Peralta Martín-Palomino

Profesor

Temario

Módulo 1. Aprendizaje automático

1.1. El conocimiento en bases de datos

1.1.1. Preprocesamiento de datos
1.1.2. Análisis
1.1.3. Interpretación y evaluación de los resultados

1.2. Machine Learning:

1.2.1. Aprendizaje supervisado y no supervisado
1.2.2. Aprendizaje por refuerzo
1.2.3. Aprendizaje semisupervisado. Otros modelos de aprendizaje

1.3. Clasificación

1.3.1. Árboles de decisión y aprendizaje basado en reglas
1.3.2. Máquinas de Soporte Vectorial (SVM) y algoritmos de vecinos más cercanos (KNN)
1.3.3. Métricas para algoritmos de clasificación

1.4. Regresión

1.4.1. Regresión lineal y regresión logística
1.4.2. Modelos de regresión no lineales
1.4.3. Análisis de series temporales
1.4.4. Métricas para algoritmos de regresión

1.5. Clustering

1.5.1. Agrupamiento jerárquico
1.5.2. Agrupamiento particional
1.5.3. Métricas para algoritmos de Clustering

1.6. Reglas de asociación

1.6.1. Medidas de interés
1.6.2. Métodos de extracción de reglas
1.6.3. Métricas para los algoritmos de reglas de asociación

1.7. Multiclasificadores

1.7.1. “Bootstrap Aggregation” o “Bagging”
1.7.2. Algoritmo de “Random Forests”
1.7.3. Algoritmo de “Boosting”

1.8. Modelos de razonamiento probabilístico

1.8.1. Razonamiento probabilístico
1.8.2. Redes bayesianas o redes de creencia
1.8.3. “Hidden Markov Models”

1.9. Perceptrón Multicapa

1.9.1. Red neuronal
1.9.2. Aprendizaje automático con redes neuronales
1.9.3. Descenso del gradiente, “backpropagation” y funciones de activación
1.9.4. Implementación de una red neuronal artificial

1.10. Aprendizaje profundo

1.10.1. Redes neuronales profundas. Introducción
1.10.2. Redes convolucionales
1.10.3. Sequence Modeling
1.10.4. Tensorflow y Pytorch

Diplomado en Aprendizaje Informático Automático

$ 635 IVA inc.