Se presentan las principales técnicas y modelos utilizados para atacar problemas clásicos tanto de aprendizaje supervisado como no supervisado
Contrastar los principales modelos estándar de aprendizaje automático y reconocer el tipo de situaciones en los que resulta más apropiado un modelo u otro.
Aplicarás los modelos estándar de aprendizaje automático dado un problema específico, e interpretarás los resultados obtenidos de dicha aplicación.
Identificarás en qué contexto se requeriría de su aplicación para la mejor obtención de información para la toma de decisiones.
Duración: 48 horas
Computadora portátil con 8 GB en memoria RAM; y Windows 10. Además, de espacio suficiente en el disco duro para descargar aplicaciones cuando sea requerido.
A todo profesional en las diversas áreas del conocimiento interesado en adquirir los conocimientos y habilidades necesarios para el análisis de información aplicando modelos estadísticos a través del uso del aprendizaje automático.
Es deseable que el profesionista posea:
Al finalizar:
Formularás los elementos a considerar en el proceso de toma de decisiones estratégicas basadas en datos.
Elegirás el modelo apropiado para sustentar la toma de decisiones.
Implementarás el modelo elegido en caso de ser un modelo estándar, o identificar la información requerida para su uso en un modelo avanzado.
Administrarás el proceso de toma de decisiones, desde su diseño técnico hasta su implementación comercial.
Tema 1.- Aprendizaje Automático (Machine Learning)
Tema 2.- Toma de decisiones estratégicas basadas en ciencia de datos