Machine Learning: Modelos para segmentación 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, análisis de componentes principales, detección de factores latentes inobservables a través del análisis factorial, construcción de modelos lineales de discriminación y evaluación integral, entre otros.
Al finalizar el curso virtual, usted podrá acceder al certificado digital como: Machine Learning: Modelos para segmentación 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 exámenes.
- Consultas directas con el tutor
Nota: se recomienda enfáticamente haber cursado Modelos Predictivos II e Introducción a la Ciencia de Datos, como mínimo.
Características del curso
- Conferencias 19
- Cuestionarios 0
- Duración 40 horas
- Nivel de habilidad Modelos Predictivos
- Idioma Español
- Estudiantes 46
- Evaluaciones Si
-
Técnicas de reducción de la información
- Prohibida la reproducción total o parcial
- Consideraciones Previas y Materiales
- Análisis de Componentes Principales: Teoría
- Caso 1: Reducción de Dimensiones
- Caso 2 Reducción de Dimensiones
- Análisis Factorial: Teoría
- Caso 3: Reducción de Dimensiones
- Caso 4: Reducción de Dimensiones
- Regresiones y Análisis Factorial
- Se aprende haciendo
-
Agrupamiento y clasificación a través de Clustering
-
Clasificación mediante Análisis Discriminante
-
Parte final