Algunos de nuestros clientes
.png "iberoamericana de hidrocarburos (ihsa)")
.jpg "european molecular biology laboratory (embl)")
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "international air transport association (iata)")
Código del Curso
MLFWR1
Duración
14 horas (usualmente 2 días, incluidas las pausas)
Requerimientos
Conocimiento del lenguaje de programación R. Se recomienda la familiaridad básica con las estadísticas y el álgebra lineal.
Descripción General
El objetivo de este curso es proporcionar una competencia básica en la aplicación de los métodos de aprendizaje automático en la práctica. A través del uso de la plataforma de programación R y sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar los resultados de los algoritmos y Validar los resultados.
Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.
Programa del Curso
Introducción al Aprendizaje de la Máquina Aplicada
- Aprendizaje estadístico vs. aprendizaje automático
- Iteración y evaluación
- Compensación entre sesgo y variación
Regresión
- Regresión lineal
- Generalizaciones y no linealidad
Clasificación
- Actualización bayesiana
- Naive Bayes
- Regresión logística
- K-Vecinos más cercanos
- Ejercicios
Validación cruzada y re-muestreo
- Enfoques de validación cruzada
- Oreja
- Ejercicios
Aprendizaje sin supervisión
- K-significa agrupación
- Ejemplos
- Desafíos del aprendizaje sin supervisión y más allá de K-means
Precios Etiquetas:
Prima
