Postgrado en Machine Learning

Introducción a la IA y Machine Learning
Algoritmos de regresión. Evaluación y métricas
Ecosistemas de Machine Learning en la nube
Proyecto: Análisis predictivo del precio de la vivienda

Clasificación binaria, multiclase y métricas. Curva ROC
Clasificación con Naive Bayes
Clasificación con Support Vector Machine (SVM)
Proyecto: Evaluación del estado de salud de un bebé durante el parto

Clasificación con KNN, regresión logística y softmax
Regresión y clasificación con árboles de decisión
Combinación de clasificadores: ensembles y random forests
Proyecto: Desarrollo de un análisis predictivo sobre la propensión a abandonar la empresa por parte del personal empleado

Reducción de dimensionalidad en los datos: PCA
Algoritmos de agrupamiento: K Medias y jerárquico
Técnicas de detección de anomalías
Proyecto: PCA y CLUSTERING utilizando Python

Hitos del Deep Learning y fundamentos de las redes neuronales
Frameworks de Deep Learning: TensorFlow
Ajuste de modelos de Deep Learning
Proyecto: Análisis donde se aplican técnicas de Deep Learning

Fundamentos de las CNNs: kernels, convolución, pooling, etc.
Modelos pre-entrenados: Transfer Learning y Fine-Tuning
Deep Learning en producción
Proyecto: Análisis de un problema de clasificación de imágenes con Deep Learning

Personalización creada por datos
Filtrado Colaborativo
Aplicaciones, tendencias y retos de los sistemas de recomendación
Proyecto: Implementando un algoritmo de SR con la librería Surprise de Python

Introducción al Procesamiento del Lenguaje Natural
Modelos Probabilísticos de NLP y Métodos de Aplicación
NLP – Modelos y Algoritmos
Proyecto: Clasificación de Sentimientos en Reseñas de Películas con Modelos Clásicos y Redes Neuronales Sencillas