Las tecnologías de Machine Learning tienen la capacidad de aprender y ajustar su comportamiento en base a la información con la que interactúan y la observación del mundo a su alrededor. Por este y otros motivos, son las tecnologías con mayor potencial económico a nivel global. ¿Te sumas al futuro y a las predicciones del Machine Learning?
 

• Comenzarás este curso aprendiendo sobre las técnicas de Machine Learning empleadas para generar predicciones en base a datos históricos.
• Además, revisarás cómo utilizar el lenguaje de programación Python y Jupyter Notebooks para Machine Learning.
• Con esta información, construirás un modelo predictivo de regresión y uno de clasificación mediante ejercicios prácticos.
• Al finalizar, entenderás cómo construir soluciones simples de machine learning creando el código necesario en Python.

Nivel del curso
El curso de Fundamentos aplicados de Machine Learning es de nivel intermedio, ya que se dirige a estudiantes con conocimientos básicos de Python y sus estructuras fundamentales de datos (arrays, listas, diccionarios, etc.).
Este curso es ideal para personas interesadas en tener un acercamiento práctico del desarrollo de modelos de Machine Learning y las herramientas necesarias para ello.

¿Qué necesito?

• Computadora o laptop con conexión a internet.
• Instalar Python y Jupyter Notebooks mediante el paquete Anaconda.

*El paquete Anaconda requiere al menos 5 GB de espacio libre y soporta la gran mayoría de sistemas operativos modernos, tanto Windows como Mac. Si encuentras dificultades o dudas sobre tu sistema en particular puedes encontrar una versión que te sirva aquí: https://docs.anaconda.com/anaconda/install/#requirements

¿Qué habilidades desarrollaré?

• Python para Machine Learning: Mejorarás en el manejo de Python y los paquetes específicos para Machine Learning.
• Modelos predictivos: Entenderás los conceptos y técnicas necesarias para procesar datos y evaluar modelos predictivos de clasificación y regresión.
• Proyecto de Machine Learning: Serás capaz de conducir y ejecutar un proyecto de Machine Learning, realizando el proceso de inicio a fin.