Introducción a Machine Learning, librerías de Python y herramientas complementarias

En este curso se aprenderá sobre que es Machine Learning y la diferencia con Inteligencia Artificial, para empezar a dominar técnicas y así sacar el máximo provecho a los datos. Se aprenderá a diferenciar entre los principales modelos de aprendizaje automático y cuál se adapta mejor según el tipo de situación que se desee resolver.

Parte del contenido del curso se avoca al análisis de datos con las principales librerías de python, e insertarse en el mundo de las predicciones a futuro.

Con este curso adquirirlas los conocimientos necesarios para comenzar la inserción al mercado laboral como científico de datos…

Al finalizar realizaremos un proyecto aplicando todo lo aprendido en el curso. Resolveremos uno de los requerimientos más demandados en el momento actual, un sistema de recomendación.

Introducción

En esta instancia sera un preámbulo al curso. Se aprovechará para Instalar los softwares necesarios para trabajar en el contenido tanto de la primera semana, como de las restantes. Aprenderás conceptos fundamentales de

• Instalación de Anaconda en Windows
• Introducción a Jupiter
• Uso de Jupiter

Uso de Principales librerías: Numpy y Pandas

• Introducción a Numpy, principales operaciones y ejercicios para afianzar conocimientos.
• Introducción a Pandas, operaciones y ejercicios para afianzar conocimientos.
• Pandas + Excel

Visualización de datos, librería: matplotlib

Gráficos:

• Barras
• Línea
• Histogramas
• dispersión.

Introducción al aprendizaje de la maquina: Machine Learning

Conceptos básicos de aprendizaje supervisado y no supervisado. Algoritmos de aprendizaje automático: principales métodos de clasificación y regresión

Practico: Desarrollo de sistema de recomendación

Se utilizarán todos los conocimientos adquiridos para el practico final.

Requisitos

Conocimientos iniciales

Inicio: 16 de enero