El certificado lo expide Certiprof© y se enlaza con Credly©.
Instructor
Mtro. Julio César Aguilar Cabrera
Modalidad Remota Síncrona
Características
Proceso de Inscripción
- 1. Debes de registrarte en el siguiente formulario
- 2. Envío de Detalles de Pago: Recibirás un correo con las instrucciones de pago según la modalidad seleccionada en el formulario (de contado o a meses sin intereses)
- 3. Confirmación y acceso: Una vez procesado el pago, te enviaremos tus credenciales de acceso a nuestra plataforma educativa y te asignaremos un correo institucional para la comunicación oficial.
- 4. Inicio de Clases: Las sesiones se llevarán a cabo en Microsoft Teams, y cada clase será grabada para que puedas consultarla posteriormente.
Pago con Tarjeta de Débito o Crédito
Información General
El artículo seminal de Alan Turing (Turing, 1950) introdujo una norma de referencia para demostrar la inteligencia de las máquinas, de manera que una máquina tiene que ser inteligente y responder de una manera que no pueda diferenciarse de la de un ser humano.
El aprendizaje automático es una aplicación de la inteligencia artificial en la que un ordenador/máquina aprende de las experiencias pasadas (datos de entrada) y hace predicciones futuras.
El rendimiento de un sistema de este tipo debería estar, como mínimo, a la altura del ser humano.
Público Objetivo
Cualquier persona interesada en ampliar sus conocimientos en Inteligencia Artificial, en técnicas de minería de datos y aprendizaje automático.
Contenido del Curso
Temario completo
Objetivos de Aprendizaje
- Fundamentos del Aprendizaje Automático.
- Multivariante del Método K-Nearest Neighbors.
- Optimización de Hiperparámetros.
- Proyecto Guiado: Predicción de los Precios de Automóviles.
- Introducción K-Nearest Neighbors.
- Evaluación del Rendimiento del Modelo.
- Validación Cruzada.
- Identificar las diferentes etap de un proyecto de Inteligencia Artificial.
- Cálculo para el Aprendizaje Automático.
- Álgebra Lineal para el Aprendizaje Automático.
- Regresión Lineal para el Aprendizaje Automático.
- Aprendizaje Automático en Python.
- Árbol de Decisiones.
- Comprender los fundamentos de la Inteligencia Artificial y el Aprendizaje Automático.
- Describir los métodos de Machine Learning: supervisado y no supervisado.
- Utilizar el análisis de datos para la toma de decisiones.
- Comprender los límites de los algoritmos.
- Comprender y comprender la programación en Python, los conocimientos matemáticos esenciales en IA y el método básico de programación.
