En este curso se presentarán los principales métodos en Machine Learning, especialmente enfocados en métodos predictivos, conocidos también como métodos de aprendizaje supervisado. El énfasis principal del curso será examinar dichos métodos desde un punto de vista algorítmico y de sus aplicaciones en casos reales. Se le dará especial importancia al uso de los conceptos de machine learning en aplicaciones reales en Python.

Objetivos

En este curso el estudiante será capaz de:

1. Comprender la diferencia entre modelos de aprendizaje supervisado y modelos de aprendizaje no supervisado.
2. Comprender la necesidad de la utilización de modelos, algoritmos, software para predecir el comportamiento futuro.
3. Comprender la diferencia entre los datos de “train” y los datos de “testing”.
4. Conocer los principales modelos predictivos, técnicas y algoritmos utilizados para predecir conductas a partir de un conjunto de datos históricos.
5. Utilizar el lenguaje Python para analizar y desarrollar ejemplos con datos reales.

Metodología

Basado en la teoría y en la aplicación directa de los conceptos aprendidos. Para esto se dispondrán de las siguientes herramientas:

1. Una vídeo conferencia semanal, las cuales quedarán grabadas en Zoom, para que los alumnos la puedan acceder en cualquier momento.
2. Trabajos prácticos semanales.
3. Foros para plantear dudas al tutor y compañeros.
4. Aula virtual en Moodle.

Luego de este curso el estudiante será capaz de:

Desarrollar y programar proyectos de Machine Learning relacionados con aprendizaje Supervisado utilizando modelos predictivos.Evaluación

Evaluación

El curso se evalúa con 4 tareas, una por semana, cada tarea tiene un valor de 25 puntos. La nota mínima de aprobación es de 70