Data Science & Machine Learning

CURSO DE ESPECIALIZACIÓN

Inscríbete Aquí

Acerca del Curso

 Este curso esta dirigido a egresados de Ingeniería de Sistemas, Software, Informática, Estadística y afines que esten trabajando en análisis y explotación de datos, que deseen incrementar su efectividad en sus resultados. El curso esta diseñado para que los estudiantes aprendan los conceptos através de los casos prácticos que se desarrolla durante cada clase. Durante el curso se trabajará con un conjunto de datasets distintos, los cuales serán usados en clase para la aplicación de los modelos, un dataset adicional que tendrá como finalidad ser la base de un reto que será publicado en Kaggle que permitirá medir lo aprendido por el estudiante con lo aprendido por sus compañeros, y un último dataset que será proporcionado por el estudiante, este cuál tendrá como objetivo personal analizar y explotar la información, para que finalmente puede realizar una presentación de sus resultados al finalizar el curso. El estudiante tendrá acceso a un aula virtual, donde podrá acceder al contenido de libros, documentos, videos y podrá interactuar con los instructores y sus compañeros.

Texto de Odoo y bloque de imagen

Acerca del Machine Learning

Cada vez un mayor volumen de datos se sigue generando en las organizaciones y se requiere de ciertas capacidades y habilidades para poder identificar patrones ocultos en todo este mar de datos y así lograr predecir comportamientos o eventos futuros mediante un aprendizaje automático. Las aplicaciones del Machine Learning (ML) son muy diversas y amplias como: pronosticar la fuga de clientes, prevención de fraudes, segmentación de clientes, sistemas de recomendación, reconocimiento de patrones en imágenes, voz y vídeo, análisis de sentimientos, diagnósticos médicos, programas informáticos de inteligencia artificial, entre otros. En este curso adquirirás los conocimientos, habilidades y técnicas para el análisis de datos y el desarrollo de modelos predictivos. Conocerás al detalle cada fase del proceso de construcción de un modelo de Machine Learning y cómo identificar el valor generado de su puesta en producción. Conocerás Python como una de las herramientas más fáciles de utilizar para aplicar Machine Learning a casos reales y aplicativos. Al final del curso tendrás la oportunidad de presentar y sustentar un proyecto final para consolidar los conocimientos adquiridos durante las sesiones poniéndote a prueba en un escenario real.

Inicio

Fechas de Inicio: 

  09 de Noviembre

Fechas:  09, 16, 23 y 30 de Noviembre y 07 de Diciembre


 


Inversión

S/1390.00

Con el 20% Desc.

S/. 1112.00 

(Inc IGV)


Tiempo

40h

Horario

Sábado 9:00 am a 6:00pm (8h)


Lugar

San Isidro Av. Augusto Tamayo 154 of 302

Imagen de Odoo y bloque de texto

Requisitos

Conocimientos Básicos en Python

Conocimientos Básicos en Estadística

Portar una laptop a clases

Temas

  •  Módulo 1: Introducción a Machine Learning

    • ¿Qué es Machine Learning

    • Diferencias con la Programación Tradicional

    • Aplicaciones de Machine Learning

    • Tipos de Aprendizaje Automático

      • Aprendizaje Supervisado

      • Aprendizaje No Supervisado

      • Aprendizaje Por Refuerzo

    • Fases para el Desarrollo de un modelo de Machine Learning

  • Módulo 2: Librerías de Python

    • Instalación de Framework Anaconda

    • Sintaxis de python y funciones principales

    • Tipos de Estructura de Datos (Arreglos, Matrices, Diccionarios, DataFrames

    • Análisis de Datos con Numpy

    • Análisis de Datos con Pandas

  • Módulo 3: Entendimiento y preparación de los datos

    • Conceptos Claves

    • Análisis Exploratorio de Datos

    • Tratamiento de valores Nulos

    • Tratamiento de Valores Atípicos

    • Feature Engineering

  • Módulo 4: Selección de Variables y balanceo de datos

    • Balanceo de Datos

      • Oversampling

      • Undersampling

      • SMOT

    • Técnicas de selección de variables

    • Análisis de componentes principales: PC

    • Selección de muestras de entrenamiento y validación

  • Módulo 5: Construcción y evaluación de modelos

    • Aprendizaje Supervisado

      • Modelo de Regresión (Lineal y Logístico)

      • Vecinos más Cercanos (Knn)

      • Naive Bayes

      • Máquina de Soporte Vectorial (SVM)

      • Árboles de Decisión

      • Redes Neuronales

    • Aprendizaje No Supervisad

    • K-Mean

    • K-Prototype

    • K-Mode

    • Validación de Modelo

    • Trad-off Varianza/Sesg

    • Métricas de Evaluación para Clasificación

    • Métricas de Evaluación para Regresión

    • Cross Validation

    • Optimización de Modelos

  • Módulo 6: Técnicas de Ensamblado de Modelos

    • Bagging

      • Random Forest

      • ExtraTrees

    • Boosting

      • AdaBoost

      • XGBoost

      • LightGBM

    • Stacking

    • Módulo 7: Visualización de Datos

      • Uso de Matplotlib

      • Uso de Plot.ly

Profesores

Ing. Cesar Charalla Olazo

Data Engineer en Everis Perú. Egresado de la Universidad Nacional de Ingeniería y estudios en la Universidad Nacional Autónoma de México. Actualmente laborando en un proyecto Big Data del Banco de Crédito del Perú. Experiencia en el desarrollo e implementación de Modelos de Segmentación y Predictivos en ambientes Locales y Distribuidos. Dominio de lenguajes y herramientas para Machine Learning como Python, R, Scala, Spark, Oracle Data Mining, Rapid Miner, SPSS.

Linkedin 

Ing. Jair Loayza Suasnabar 

Egresado de Ingeniería de Sistemas de la UNI, ha sido campeón nacional y representante internacional en competencias de programación (India, 2015). Experiencia de 4 años en el sector financiero, actualmente Especialista de Inteligencia Analítica (Data Scientist) en BBVA Perú realizando análisis y modelos estadísticos de ámbito comercial. Anteriormente Analista de Advanced Analytics & Big Data en Interbank. Sólidos conocimientos de lenguajes de programación, machine learning y bases de datos..

 



Data Science & Machine Learning

Curso de Especialización