Curso Presencial en Machine Learning con Python

Características Principales

  • Modalidad A: Presencial en Madrid 
  • Modalidad B: Telepresencial
  • Duración: 30 horas
  • Precio Presencial 550€ IVA Ext
  • Precio Telepresencial 495€ IVA Ext
  • 10% Descuento para estudiantes y desempleados
  • Bonificable para trabajadores y empresas

 

Descripción del curso:

 

Este curso ha sido diseñado con la finalidad de enseñar a profesionales con experiencia previa en programación que deseen aprender las técnicas más recientes en el uso de Machine Learning a través de Python.

Durante el curso aplicaremos segmentaciones, filtros y funciones para adecuarlos a los algoritmos de Machine Learning, así mismo, profundizaremos en la regresión lineal y logística con el uso de algoritmos y construiremos Modelos Predictivos de Machine Learning que nos permitan transformar los datos en decisiones y nuevas soluciones. 

30 Horas

Lunes a jueves: 18:00-21:30

Presencial y Telepresencial

Octubre 2021

 

Convocatorias Presenciales/Telepresenciales:

Octubre 2021
  • 1º Semana: Lunes 18 de octubre de 2021 => De lunes a jueves de 18:00 a 21:30
  • 2º Semana Lunes 25 de octubre de 2021 => De lunes a jueves de 18:00 a 21:30 y viernes de 18:00 a 20:00
  • Duración: 30 horas
Noviembre 2021
  • 1º Semana: Lunes 22 de noviembre de 2021 => De lunes a jueves de 18:00 a 21:30
  • 2º Semana: Lunes 29 de noviembre de 2021 => De lunes a jueves de 18:00 a 21:30 y viernes de 18:00 a 20:00
  • Duración: 30 horas
Diciembre 2021
  • 1º Semana: Lunes 6 de diciembre de 2021 => De lunes a jueves de 18:00 a 21:30
  • 2º Semana: Lunes 13 de diciembre de 2021 => De lunes a jueves de 18:00 a 21:30 y viernes de 18:00 a 20:00
  • Duración: 30 horas
El curso se realizará en las instalaciones de: Centro Melior, en calle Diego de Leon 47, Madrid. Cercano al Metro de Núñez de Balboa y Diego de León.

(Mapa Google de la localización del centro)

Temario del curso presencial en Machine Learning con Python

Tema 1 Operaciones con Machine Learning

  • Introducción a las operaciones
  • Uso de algoritmo y Scikit-learn
  • Preparación de los datos y análisis exploratorio
  • Visualización individual de los datos
  • Visualización conjunta de los datos
  • Entrenamiento y preparación de los datos
  • Entrenamiento y elección del modelo

Tema 2 TensorFlow

  • Usos y aplicaciones de TensorFlow
  • Estructura de TensorFlow: Tensores, nodos y grafos
  • Estructura de TensorFlow: Sesiones e importación
  • Operaciones de cálculo simple con TensorFlow
  • Operaciones con grafos y neuronas
  • Operaciones con neuronas y Regresión Lineal
  • Operaciones de Regresión Lineal

Tema 3 Operaciones con Datos con NumPy

  •  Conceptos básicos de las operaciones e introducción a NumPy
  •  Importación y creación de Arrays en NumPy
  •  Agregación y modificación de elementos en NumPy
  •  Funciones y operaciones con NumPy
  •  Filtrado Booleano de los datos y observaciones principales en NumPy

Tema 4 Operaciones con Datos con Pandas

  •  Introducción a la biblioteca Pandas
  • Objeto Series y DataFrame en Pandas
  • Gestión y carga de los datos en Pandas
  • Carga de datos en HTML y Análisis y funciones de los Datasets
  •  Análisis y ejemplos de los Datasets
  • Examen 1º

Tema 5º EDA y Preprocesamiento para Machine Learning

  • Lección 67º Identificación y Tipos de Variables
  • Lección 68º Correción del formato, normalización y agrupamiento de datos
  • Lección 69º Variables categóricas y análisis exploratorio de datos
  • Lección 70º Tipos de análisis, correlación y mapa de calor
  • Lección 71º Demostración: EDA y Correlación
  • Lección 76º Demostración EDA y preprocesamiento de datos en modelos Machine Learning

Tema 6º Machine Learning con Scikit – Learm

  • Conceptos básicos de Machine Learning
  • Técnicas populares y realización de modelo Machine Learning
  • Funciones con Scikit-learn y aprendizaje supervisado
  • Aprendizaje no supervisado y comparativa
  • Introducción a la regresión Lineal
  •  Análisis del Modelo de Regresión Múltiple
  • Evaluación de modelos
  • Demostración de Regresión Lineal
  •  Demostración de Regresión Lineal simple con Scikit-Learnn

Tema 7º Machine Learning con Scikit – Learm: Clasificación

  • Conceptos y aplicaciones de la clasificación
    Estructura de Sciit-learn y K-Vecinos más próximos
    Estudio del Árbol de Decisión
    Análisis de la Regresión Logística
    Análisis del SMV (Máquinas de Vectores de Soporte)
    Evaluación de las métricas
    Demostración de K-Vecinos más próximos
    Demostración de Árbol de decisión con Scikit-Learn
    Demostración de Regresión logística con Scikit-Learn
    Demostración de Clasificación con K-Nearest Neighbor
    Algortimos de Clasificación con Titanic
    Examen 2º

 

 

  • Dominar los diferentes métodos de visualizaciones de datos y librerías de Machine Learning a través de Python
  • Realizar operaciones neuronales a través de TensorFlow 
  • Trabajar con grandes librerías de datos con Pandas y NumPy
  • Aplicar un EDA (Análisis Exploratorio de Datos)
  • Construir Modelos Predictivos de Machine Learning que permitan transformar los datos en decisiones

Requisitos del curso: 

  • Es impresionable disponer de experiencia previa en programación Python 
  • Es recomendable disponer de conocimientos básicos en Machine Learning

Requisitos técnicos: 

  • El alumno tendrá que llevar su portátil durante la formación. (Culture Lab dispone de 5 equipos a disposición de los alumnos que no dispongan de portátil)
  • El curso se realizará en modalidad presencial en Madrid, en unos horarios determinados.
  • Cada sesión dispone de una duración de 3 horas y 30 minutos en horario de lunes a jueves durante 2 semanas y la última semana se incluirá el viernes de 18:00 a 20:00, con un total de 30 horas lectivas.
  • Durante el curso tendrás que completar 7 temas dedicados,  prácticas y exámenes durante la formación.
  • En el momento que lo necesites podrás efectuar tus dudas al formador para resolver tus dudas relativas al curso.
  • Una vez finalizada la formación, te enviaremos un Certificado del curso emitido por Culture Lab TS S.L. 

Modalidad Telepresencial

  • La presente convocatoria tambíen está disponible en modalidad Telepresencial.
  • Una vez inscrito, te enviaremos el acceso a la plataforma Telepresencial, y un Drive Privado con toda la información y contenidos.
    Podrás realizar el curso a través de tu ordenador, móvil o tablet.
  • Los alumnos deberán conectarse en los mismos horarios que la modalidad Presencial, y disponer de conexión a internet y micrófono.
  • Durante la retransmisión curso, escucharás el discurso del formador en tiempo real, podrás ver la presentación, realizar ejercicios y consultar tus dudas al momento durante el curso.
  • Grabaremos todas las sesiones del curso, y las compartiremos a través de un Drive Privado a los alumnos participantes durante 3 meses tras la finalización del curso.
  • Una vez finalizada la formación, te enviaremos un Certificado del curso emitido por Culture Lab TS S.L.

Modalidad Presencial: 550€ IVA ext

Modalidad Telepresencial: 495€ IVA ext

Descuentos y bonificaciones

  • 10% de descuento para estudiantes y desempleados
  • Curso bonificable para trabajadores y empresas

Este curso se puede bonificar a través de FUNDAE para todas aquellas empresas que dispongan de los créditos necesarios durante el vigente año para poder establecer la bonificación. Puede solicitar más información en la página oficial de FUNDAE. 

 

Reserva de plaza

Acepto la Clausula de Protección de datos personales:

Curso Presencial en Machine Learning con Python

Aprende regresiones lineales, controles de flujo de datos, aprendizaje automático y mucho más a través de Machine Learning