top of page
Modern Architecture

INTELIGENCIA ARTIFICIAL: MACHINE LEARNING, DEEP LEARNING, NLP Y VISIÓN COMPUTACIONAL, APLICADO A LA EMPRESA E INVESTIGACIÓN CIENTÍFICA

Al realizar el presente  curso aprenderás bases fundamentales de ciencia de datos haciendo uso de Python y SPSS Clementine para el sector empresarial e investigación. Por lo que al finalizar el curso serás capaz de construir modelos de machine learning, deep learning, análisis de sentimientos y visión computacional, además podrás desarrollar trabajos de investigación en empresas, tesis y artículos científicos.

MACHI.png

TEMARIO

01

FUNDAMENTOS BASICOS I

02

FUNDAMENTOS BASICOS II

d

 1)  Conceptos básicos de machine learning

2) Modelos supervisados y Modelos no supervisados.

3) Minería de datos, machine learning y big data

4) Herramientas para el desarrollo de modelos de machine  learning

5) Metodologías para el desarrollo de modelos de machine         learningKDD, SEMMA, CRISP, Método propuesto o secuencia.

6) Métricas de evaluación de modelos: Sensibilidad,  especificidad, accuracy, precisión, curva roc, f1-score

 7) Comandos básicos

 8) Conexión a bases de datos

 9) Entendiendo los datos

10) Imputación y tratamiento de outliers

 11) Tratamiento de inconsistencia y datos no balanceados

 12) Discretización de datos

 13)  Escalamiento de datos

MACHINE LEARNING

03

MODELOS SUPERVISADOS DE CLASIFICACIÓN:

04

MODELOS SUPERVISADOS DE REGRESIÓN:

14) Regresión logística

15) Árboles de Decisión

16) Random Forest

17) Naive Bayes

18) Redes Neuronales

19) Stacking

20) XGboost

21) Métricas de evaluación

22) Tuning de parámetros

23) Regresión lineal simple y múltiple

24) Árboles de Regresión

25) Random Forest

26) redes neuronales

27) Métricas de evauación

28) Tuning de parámetros

29) Rigde

DEEPLEARNING

05

FUNDAMENTOS I

30) Conceptos básicos de Deep learning

31) Estructura de Deep learnig

32) REDES NEURONALES CONVOLUCIONALES CON DATA         ESTRUCTURADA

33) REDES NEURONALES CONVOLUCIONALES CON IMÁGENES

34) REDES NEURONALES RECURRENTES

35) ENTRENAMIENTO DE MODELOS

36) PREDICCIONES DE LOS MODELOS

APLICACIONES IA

ANÁLISIS DE SENTIMIENTOS

06

A)Bidirectional GRU

B)Bidirectional LSTM

C)ENTRENAMIENTO DE MODELOS

D)PREDICCIONES DE LOS MODELOS

A)YOLO 3 CON CNN

B)ENTRENAMIENTO DE MODELOS

C)PREDICCIONES DE LOS MODELOS

VISION COMPUTACIONAL

07

PLAN DE INVESTIGACIÓN

DESARROLLO DEL TRABAJO DE INVESTIGACIÓN
CIENTIFICA CON CIENCIA DE DATOS

ARTÍCULO CIENTÍFICO DE CIENCIA DE DATOS

I. INTRODUCCIÓN

II. MARCO TEÓRICO

III. METODOLOGÍA

   3.1. Tipo y diseño de investigación

   3.2. Variables y Operacionalización

   3.3. Población, muestra y muestreo

   3.4. Técnicas e instrumentos de recolección de datos:

   3.5. Procedimientos

   3.6. Método de análisis de datos

   3.7. Aspectos éticos

IV. RESULTADOS

V. DISCUSIÓN

VI. CONCLUSIONES

VII. RECOMENDACIONES

BIBLIOGRAFIA

ANEXOS

1)Título

2)Nombre de pluma

3)Filiación

4)Introducción

5)Marco teórico

6)Antecedentes o estado del arte

7)Materiales y métodos

8)Resultados

9)Discusión

10)Conclusiones

11)Discusiones

12)Trabajos futuros y limitaciones

¿Qué te ofrecemos?

Exploración Profunda con Python

Aprende a utilizar el poder de Python, el lenguaje de programación líder en el mundo de la Ciencia de Datos. Desde manipulación de datos hasta visualización, Python será tu herramienta principal.

Aplicaciones Empresariales

Descubre cómo aplicar tus habilidades de Ciencia de Datos en el entorno empresarial. Desde análisis de mercado hasta optimización de procesos, estarás listo para enfrentar desafíos del mundo real.

Investigación Científica Avanzada

Sumérgete en el mundo de la investigación científica con enfoque en datos. Desde análisis de datos genómicos hasta modelado predictivo, este curso te preparará para marcar la diferencia en el campo de la investigación.

Experiencia Práctica

No solo aprenderás teoría, sino que también aplicarás tus conocimientos en proyectos prácticos. La experiencia práctica es clave para convertirte en un profesional de la Ciencia de Datos.

Instructor Experto

Compuesto por un experto en Ciencia de Datos con una amplia experiencia en el sector empresarial y la investigación científica. Obtén conocimientos directos de quienes están liderando el camino.

COBERTURA A NIVEL INTERNACIONAL

image.png
bottom of page