MACHINE LEARNING
Aprendizaje supervisado: regresión y clasificación

Curso online
Horario: lunes y martes de 18.30 a 21.30, hora de Buenos Aires, Argentina, GMT-3
Fechas: 5, 6, 12, 13, 19 y 20 de diciembre

Se otorga certificado oficial de la Universidad de Stanford

Organiza: Centro de Graduados de Ingeniería de la Universidad de Buenos Aires

ARANCELES: precio en dólares U$S 149
Precio para Argentina: AR$ 18.900

Acerca de este Curso

En este curso podrás:

- Construir modelos de aprendizaje automático en Python utilizando las populares librerías de aprendizaje automático NumPy y scikit-learn.
- Construir y entrenar modelos de aprendizaje automático supervisados para tareas de predicción y clasificación binaria, incluyendo regresión lineal y regresión logística.

En este programa para principiantes, aprenderás los fundamentos del aprendizaje automático y cómo utilizar estas técnicas para construir aplicaciones de IA en el mundo real.

Proporciona una amplia introducción al aprendizaje automático moderno.

Al final, habrás dominado conceptos clave y habrás adquirido los conocimientos prácticos para aplicar de forma rápida y potente el aprendizaje automático a los problemas del mundo real.
Si estás buscando entrar en la IA o construir una carrera en el aprendizaje automático, este curso es el mejor lugar para empezar.

TEMARIO

1 - Introducción a Machine Learning

Bienvenido al aprendizaje automático
Aplicaciones del aprendizaje automático
¿Qué es el aprendizaje automático?
Aprendizaje supervisado
Aprendizaje no supervisado
Jupyter Notebook
Modelo de regresión lineal
Fórmula de la función de coste
Intuición de la función de coste
Visualización de la función de coste
Ejemplos de visualización
Descenso del gradiente
Implementación del descenso del gradiente
Intuición del descenso de gradiente
Tasa de aprendizaje
Descenso del gradiente para la regresión lineal
Ejecución del descenso del gradiente

2 - Regresión con múltiples variables de entrada

Características múltiples
Vectorización
Descenso del gradiente para la regresión lineal múltiple
Feature scaling (Normalización)
Comprobación de la convergencia del descenso de gradiente
Elección de la tasa de aprendizaje
Feature engineering
Regresión polinomial

3 - Clasificación

Motivaciones
Regresión logística
Límite de decisión
Función de coste para la regresión logística
Función de coste simplificada para la regresión logística
Implementación del descenso del gradiente
El problema del sobreajuste (overfitting)
Cómo abordar el sobreajuste
Función de coste con regularización
Regresión lineal regularizada
Regresión logística regularizada