Machine Learning: Modelos para la predicción y clasificación

DESCRIPCIÓN DEL CURSO

Las técnicas de clasificación de ciencia de datos ya están al alcance del lector promedio. Si tienes conocimientos básicos de estadística y quieres introducirte en el mundo del Machine Learning, este curso puede ser de tu interés.

Aprenderás desde los conceptos y definiciones teóricas, hasta la construcción, evaluación e implementación de diversos algoritmos incluyendo modelos clustering, arboles de clasificación y regresión, diseño de políticas para la toma decisiones a través de arboles de clasificación, construcción de modelos a través de las máquinas de soporte vectorial de dos dimensiones, tres dimensiones, y el caso donde existe una gran cantidad de variables dentro de un sistema.

Los modelos son evaluados paso a paso a través de diversos criterios: sensibilidad, especificidad, ROC, matriz de confusión, validación cruzada, punto de corte óptimo, selección óptima de priors,entre otros criterios generalmente utilizados para la evaluación de los modelos anteriormente mencionados.

Al finalizar el curso virtual, usted podrá acceder al certificado digital como: Machine Learning: Modelos para la predicción y clasificación

¿QUÉ OBTENDRÁS DE ESTE CURSO?

• Más de 30 videos con el desarrollo paso a paso de los modelos estadísticos, su construcción, proyección y evaluación
• Exámenes cortos y fáciles de entender, y lecciones rápidas para asegurar su entendimiento.
• Aprendizaje integral sobre la utilización del Lenguaje R y su complemento RStudio.
• Contenido exclusivo para quienes accedan al curso mediante pago.
• Talleres a resolver en los temas más relevantes
• Alto nivel de aplicabilidad. Usted podrá aplicar casi de inmediato lo aprendido en este curso en su trabajo.
• Acceso al foro de preguntas y respuestas relacionado al curso
• Posibilidad de agendar tutorias personalizadas para revisar trabajos entregables o examenes.
• Consultas directas con el tutor

Nota: se recomienda enfáticamente haber cursardo Modelos Predictivos II e Introducción a la Ciencia de Datos, como mínimo.