En la actualidad, la disponibilidad masiva de datos y el avance exponencial en capacidad computacional han transformado radicalmente el modo en que se generan conocimiento y se toman decisiones en múltiples disciplinas.
En este contexto, el Machine Learning (aprendizaje automático) se ha consolidado como una herramienta esencial dentro de la ciencia de datos, permitiendo la construcción de modelos predictivos y prescriptivos que descubren patrones complejos en grandes volúmenes de información.
Para entender cómo organizaciones como Google, Amazon y otras utilizan el Machine Learning y la inteligencia artificial (IA) para extraer el significado y los conocimientos de enormes conjuntos de datos, este curso de Machine Learning proporciona lo esencial.
La ciencia de los datos se está convirtiendo en una de las ocupaciones más adecuadas para el éxito en el siglo XXI. Se trata de una profesión informatizada, basada en la programación y de naturaleza analítica.
Por lo tanto, no es de extrañar que la necesidad de científicos de datos haya preocupado en el mercado laboral en los últimos años. La oferta, en cambio, ha sido bastante restringida. Es un reto conseguir los conocimientos y habilidades necesarios para ser contratado como científico de datos.
Este curso de posgrado tiene como propósito formar profesionales capaces de integrar técnicas avanzadas de aprendizaje automático en proyectos de ciencia de datos, promoviendo tanto la comprensión teórica como la aplicación práctica de los modelos.
A través de una formación rigurosa y actualizada, se busca capacitar a los estudiantes para abordar problemas reales en diversos ámbitos (como salud, finanzas, industria, educación, entre otros) con un enfoque analítico, crítico y ético.
En este curso, las notaciones y matemáticas de la jerga se reducen a lo más básico, cada tema se explica en un lenguaje sencillo, lo que facilita su comprensión.
El énfasis de este curso está en entender y usar estos algoritmos en el mundo real y en un contexto teórico o académico donde los profesores de las distintas carreras puedan consolidar sus conocimientos y/o aprender sobre el uso de la ciencia de datos y el machine learning.
Con esta propuesta, se apunta a fortalecer las capacidades profesionales y de innovación tecnológica de nuestros docentes, así como a contribuir al desarrollo regional y nacional mediante la formación de recursos humanos altamente calificados en una de las áreas más dinámicas y con mayor proyección del campo informático.
Objetivos
- Brindar a los estudiantes una comprensión sólida de los principios, algoritmos y aplicaciones del Machine Learning en el contexto de la ciencia de datos.
- Desarrollar competencias analíticas y técnicas para aplicar modelos de aprendizaje automático en la resolución de problemas reales a partir de datos complejos y de gran volumen.
- Aplicar técnicas de preprocesamiento y preparación de datos para mejorar el rendimiento de modelos de Machine Learning.
- Implementar y evaluar modelos utilizando lenguajes y librerías estándar en la industria.
- Analizar y comparar el desempeño de diferentes algoritmos mediante métricas de evaluación apropiadas.
- Utilizar modelos de Machine Learning para generar insights, hacer predicciones y apoyar la toma de decisiones basada en datos en diversos contextos.
Cronograma
| Semana | Actividad | Fecha (miércoles) | Hora |
|---|---|---|---|
| 01 | Presentación del curso Introducción al Machine Learning | 15-octubre | 19:00 a 20:30 |
| 02 | Configuración de Python e Implementación de Algoritmos ML | 22-octubre | 19:00 a 20:30 |
| 03 | Configuración de Python e Implementación de Algoritmos ML | 29-octubre | 19:00 a 20:30 |
| 04 | Regresión Lineal Simple | 05-noviembre | 19:00 a 20:30 |
| 05 | Regresión Lineal Simple | 12-noviembre | 19:00 a 20:30 |
| 06 | Regresión Lineal Simple | 19-noviembre | 19:00 a 20:30 |
| 07 | Regresión Logística | 26-noviembre | 19:00 a 20:30 |
| 08 | Regresión Logística | 03-diciembre | 19:00 a 20:30 |
| 09 | Algoritmos de Clasificación: Árbol de Decisión | 10-diciembre | 19:00 a 20:30 |
| 10 | Algoritmos de Clasificación: Árbol de Decisión | 17-diciembre | 19:00 a 20:30 |
Disertantes
Rial, Antonio
Magister en Data Science - Universidad AustralDestinatarios