Curso ONLINE

Curso en Aprendizaje NO Supervisado

Impartido por Franco Ubber Scapin, Data Scientist en Naranja
Inicio: 5 Octubre 2023
1 mes
4.3

Presentación del curso

En este Curso en Aprendizaje NO Supervisado haremos una introducción a diferentes métodos para aplicar algoritmos de aprendizaje no supervisado, verás ejemplos prácticos y casos reales, en donde haremos énfasis en técnicas de Clustering, PCA (Principal component analysis) y también cómo aplicar diversos métodos para la detección de anomalías.

Este curso forma parte del Master en Data Science y Big Data. Si quieres ampliar tu formación, consulta el programa completo.

En este Curso en Aprendizaje NO Supervisado haremos una introducción a diferentes métodos para aplicar algoritmos de aprendizaje no supervisado, verás ejemplos prácticos y casos reales, en donde haremos énfasis en técnicas de Clustering, PCA (Principal component analysis) y también cómo aplicar diversos métodos para la detección de anomalías.

Este curso forma parte del Master en Data Science y Big Data. Si quieres ampliar tu formación, consulta el programa completo.

¿Qué aprenderás en este curso?

Al finalizar el Curso en Aprendizaje NO Supervisado serás perfectamente capaz de:

  • Saber desarrollar modelos de clustering, interpretar los grupos identificados.
  • Poder encontrar un valor para el negocio, permitiendo obtener conclusiones valiosas.
  • Sabe aplicar algoritmos de detección de anomalías, para identificar casos atípicos en una distribución de datos.

¿Para quién es este curso?

El Curso en Aprendizaje NO Supervisado proporciona formación específicamente orientada a los siguientes perfiles:

  • Ingenieros que tengan por objetivo una actualización de sus conocimientos y el desarrollo de nuevas competencias dentro de la Inteligencia Artificial
  • Programadores que tengan por objetivo ampliar sus conocimientos y capacidades en el mundo de la ciencia de datos para su desarrollo profesional
  • Analistas de datos con experiencia que quieran dar el salto a los aspectos más profundos de la tecnología

Plan de estudios

El curso incluye:

  • 3 clases (1 mes)

  • 3 sprint semanales

  • Masterclass y/o tutorias

  • 1 proyecto

  • Diploma IEBS

  • Bolsa de empleo

Contenidos del curso:

  • Bienvenida y presentación
Tema 1: Reducción de dimensionalidad en los datos: PCA

Temario

  • Aprendizaje No Supervisado
    • ¿Qué es el ANS?
    • Principales ventajas y desventajas del ANS
    • Tipos de ANS: agrupamiento y asociación
  • PCA: Principal Component Analysis
    • ¿Qué es y para qué puede ser utilizado PCA?
    • Consideraciones antes de aplicar PCA. Ventajas y desventajas
    • Supuestos y limitaciones de PCA
    • Interpretación de los componentes principales
    • ¿Cómo determinamos el valor correcto de componentes principales?
    • ¿Existen otros métodos de reducción de dimensionalidad?
    • Ejemplo de aplicación y conclusiones
Tema 2: Algoritmos de agrupamiento: K Medias y jerárquico

Temario

  • Introducción
    • ¿Qué es el clustering?
    • ¿Qué tipo de problemas podemos resolver con Algoritmos de clustering?
  • Algoritmos de Clustering más conocidos
    • Introducción
    • K-Means Clustering
    • Mean-Shift Clustering
    • Density-Based Spatial Clustering of Applications with Noise (DBSCAN)
    • Expectation–Maximization (EM) Clustering using Gaussian Mixture Models (GMM)
    • Agglomerative Hierarchical Clustering
  • Técnicas de Afinado en Clustering
    • Método de Elbow
    • Método de Siluetas
  • Cómo utilizar K-Means
    • Cómo funciona K-Means y K-Means ++
    • Cómo implementar K-Means ++
  • Cierre
    • Conclusiones
Tema 3: Técnicas de detección de anomalías

Temario

  • Detección de Anomalías
    • ¿Qué es la detección de anomalías?
    • ¿Por qué debemos detectar las anomalías? Advertencias y dónde aplicar las detecciones
  • Detección de Anomalías UNIVARIANTE
    • Introducción a la detección de anomalías univariante
  • Detección de Anomalías MULTIVARIANTE
    • Introducción a la detección de anomalías multivariante
    • CBLOF
    • HBOS & Isolation Forest
    • KNN e investigación visual
  • Detección de Anomalías ALGORITMOS SUPERVISADOS
    • Introducción a la detección de anomalías con algoritmos supervisados
    • Conclusiones

Experto

Franco Ubber Scapin

Data Scientist en Naranja

Nuestros alumnos opinan

Enrique Arias Muñoz, Fundador de Outfinders  
@iebschool una gran experiencia con profesores impresionantes y compañeros de los que aprendes todos los días
Sergio Martínez Latorre, Dirección desarrollo e implantación ERP en Daemon4  
Quiero agradecer a tod@s los profesores y especialmente a los directores del Master, el trabajo que han realizado y su implicación. He aprendido más que en 20 años trabajando en este negocio
Francisco José Ruiz García, Cofounder en entradium  
La formación en nuevas áreas ya no es una opción sino una obligación
Jose Manuel Pedraz Penalva, Fundador en Funnynnovation Academy  
No sé si gurú o no, pero a mí estudiar el Master de @iebschool me ha abierto los ojos

¿Por qué elegirnos?

Descubre lo que nos diferencia

95%Empleo

El 95% de nuestros alumnos está trabajando o emprende cuando finaliza sus estudios

Empleo
175kAlumnos

Somos la mayor comunidad de profesionales digitales del mundo

Comunidad
13Años

Expertos en formación online: más de 10 años liderando la innovación del elearning

Experiencia
95%Satisfacción

El 95% de nuestros alumnos consiguen mejorar su situación al finalizar sus estudios

Seguridad

Curso en Aprendizaje NO Supervisado

U$S 510

  • Business & Tech
Inicio: 5 Octubre 2023
1 mes
Online
Ininterrumpido 24/7
Diploma de IEBS

Curso en Aprendizaje NO Supervisado

U$S 510