Pre-requisitos: Conocimientos básico intermedio en programación con Python.

Objetivo General: Entender las diversas técnicas de minería de datos para predecir, clasificar y agrupar datos mediante Machine Learning, diferenciando las ventajas de cada una y utilizándolas en situaciones reales. Aprender los principales conceptos alrededor de la IA, así como la evolución de las arquitecturas de algoritmos de Deep Learning y el entendimiento de los principales conceptos del aprendizaje en redes neuronales.

Objetivos Específicos:

• Aprender a manejar tipos de datos, principales estructuras de datos, manejo de funciones, arrays y dataframes.
• Aprender a realizar un análisis estadístico y gráfico con Python.
• Comprender la importancia de la ciencia de datos en las empresas y el uso del Machine Learning para lograr sus objetivos comerciales.
• Aprender a utilizar Python para desarrollar algoritmos de aprendizaje automático.
• Comprender el procedimiento y las técnicas que se utilizan en el machine learning.
• Comprender la importancia de la ciencia de datos en las empresas y el uso del deep learning para lograr sus objetivos comerciales.
• Aprender a utilizar el software Python para desarrollar algoritmos y arquitecturas de aprendizaje profundo.
• Comprender el procedimiento y las técnicas que se utilizan en el Deep Learning, saber diferenciarlas y utilizarlas.
• Desarrollar casos poniendo en práctica lo aprendido en las diferentes sesiones de la especialización.

Resumen del contenido:

• Python y sus principales librerías.
• Análisis de datos con Pandas.
• Estadística descriptiva y análisis exploratorio.
• Análisis multivariado y selección de variables.
• Machine Learning supervisado para regresión.
• Machine Learning supervisado para clasificación.
• Machine Learning no supervisado.
• Inteligencia Artificial y Deep Learning.
• Entrenamiento de redes neuronales.
• Redes neuronales convolucionales.
• Redes neuronales recurrentes.