ML2003 - Métodos Supervisados en Python

En este curso se presentarán los principales métodos en Machine Learning, especialmente enfocados en métodos predictivos, conoci- dos 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:

  • Una vídeo conferencia semanal, las cuales quedarán grabadas en Zoom, para que los alumnos la puedan acceder en cualquier momento.
  • Trabajos prácticos semanales.
  • Foros para plantear dudas al tutor y compañeros disponible 24/7.
  • Aula virtual en Moodle con materiales didácticos.

 

Instructor

Picture of Ph.D. Oldemar Rodríguez

Ph.D. Oldemar Rodríguez

Ph.D. Matemática de la decisión Universidad de París IX.
Post Doctorado en Minería de Datos de la Universidad de Stanford.
Catedrático de la Universidad de Costa Rica en donde ha ocupado puestos de Director del Postgrado en Matemática, Director del CIMPA, Decano de la Facultad de Ciencias, miembro y director del Consejo Universitario

Picture of Ph.D. Oldemar Rodríguez

Ph.D. Oldemar Rodríguez

Ph.D. Matemática de la decisión Universidad de París IX.
Post Doctorado en Minería de Datos de la Universidad de Stanford.
Catedrático de la Universidad de Costa Rica en donde ha ocupado puestos de Director del Postgrado en Matemática, Director del CIMPA, Decano de la Facultad de Ciencias, miembro y director del Consejo Universitario

Asistentes

Picture of Cesar Vargas

Cesar Vargas

Matemático

Picture of Diego Jiménez

Diego Jiménez

Ing. Sistemas

16 de abril, 2024

Reserve hoy su espacio

$200