-
Curso online
-
20 horas
-
Nivel Medio
¿Qué vas a aprender?
Curso de teleformación en el que aprenderás las bases del del Machine Learning, conocerás las diferentes terminologías usadas en ámbito del aprendizaje automático, así como el Deep Learning y los diferentes tipos de aprendizaje automático.
Contenidos
Unidad 1. Introducción al Machine Learning: Historia. 1. Objetivos 2. Introducción 3. Evolución histórica. 3.1 El juego de las damas 3.2 El perceptrón 3.3 El algoritmo del vecino más cercano 3.4 Las multicapas 3.5 El aprendizaje automático y la inteligencia artificial toman caminos separados 3.6 Boosting 3.7 Reconocimiento de voz 3.8 El reconocimiento facial se convierte en una realidad 3.9 El aprendizaje automático en la actualidad 4. ¿Qué es el Machine Learning? 4.1 Aplicaciones del aprendizaje automático 5. Entrenamiento y métodos de aprendizaje 5.1 Redes neuronales y aprendizaje profundo 5.2 Aprendizaje de refuerzo 5.3 Cómo utilizar el aprendizaje automático 5.4 Optimización de AutoML e híper parámetros 6. Aprendizaje automático en la nube 7. Resumen Unidad 2. Bases del aprendizaje automático 1. Objetivos 2. Introducción 3. Fundamentos Matemáticos del Machine Learning 4. Los lenguajes de programación. 4.1 Tipos de lenguaje de programación 4.2 Los lenguajes de programación más importantes en ML 4.2.1 Python 4.2.2 R 4.2.3 Java 4.2.4 Lisp 4.2.4 JavaScript 4.2.5 Prolog 4.2.6 Haskell 4.3 Python como principal herramienta 4.3.1 ¿Qué es Python? 4.3.2 Configuración del entorno de Python 5 Resumen Unidad 3. Aplicaciones del machine learning. 1. Objetivos 2. Introducción 3. Reconocimiento de imagen y voz. 3.1 ¿Qué es y cómo funciona el reconocimiento de imágenes? 3.2 Algoritmos de reconocimiento de imágenes 3.3 Construyendo un modelo predictivo para imágenes con redes neuronales 3.4 Limitaciones de las redes neuronales regulares en el reconocimiento de imágenes 3.5 Aplicaciones del reconocimiento de imágenes 4. Análisis de sentimientos 4.1 ¿Qué es el análisis de sentimientos? 4.2 Tipos de análisis de sentimientos 4.3 La importancia del análisis de sentimientos 4.4 Ejemplos de usos de análisis de sentimientos 5. Video vigilancia. 5.1 Industria de vigilancia analógica 5.2 La adopción global 5.3 Transparencia con los datos 6. Predicción 6.1 Hacer predicciones con IA 7. Salud 7.1 Radiología y patología asistidas por IA 7.2 Machine Learning y la ciencia de datos para obtener información útil 7.3 Robots quirúrgicos 7.4 IA para la gestión de operaciones sanitarias y la experiencia del paciente 7.5 Uso de IA y ML en la creación de fármacos 7.6 Precisión y prevención, el futuro de la medicina 8. Atención al cliente y asistentes personales 8.1 Asistentes virtuales 9. Gráficos para videojuegos 9.1 DLSS 10. Resumen