Curso Machine Learning Avanzado

La demanda de científicos de datos se incrementa de manera constante mes a mes, existe en el mercado una amplia oferta para los científicos de datos. Por otro lado las empresas son cada vez más conscientes de la necesidad de aplicar técnicas de Machine Learning para explotar los datos que tienen y no perder el tren de la competencia. En el campo de las previsiones Gartner predijo que en 2015 se generarían en torno a 4,4 Millones de trabajo relacionados con Big Data y el Machine Learning. En febrero computerword publicó un artículo “Científicos de datos, los más buscados y mejor pagados”. Son numerosas las publicaciones de las más prestigiosas empresas indicando la dificultad de encontrar este perfil en el mercado.

Edición Semanal y Fin de Semana
23 horas
Presencial
Español
Plaza de Cervantes 10 (Alcalá de Henares)
595 euros

Presentación Curso Machine Learning Avanzado

¿Qué aporta Big Data?, para poder contestar a esta pregunta, simplemente debemos tener en cuenta la diferencia fundamental en el cambio de enfoque. Los sistemas tradicionales de BI nos ayudan a contestar que ha pasado mediante el seguimiento, normalmente a través de cuadros de mandos de qué ha ocurrido. El cambio fundamental y el valor que aporta big data no es simplemente el uso de muchas fuentes y diversas de datos, sino el poder preguntar a los datos ¿Qué es lo que va a ocurrir?, la clave Machine Learning.

Para poder construir sistemas que aporten un valor diferencial debemos construir modelos Machine Learning capaces de contestar a las preguntas de negocio. Esto es la misión de un científico de datos.

El curso de Machine Learning avanzado tiene como objetivo presentar los diferentes algoritmos de Machine Learning desde un punto de vista matemático y estadístico. El curso de Machine Learning avanzado te permitirá definir tus propios algoritmos, una vez entendidos los principios matemáticos en los que se basan. El curso tiene una fuerte carga matemática y estadística.

El alumno adquirirá los conocimientos necesarios para afrontar un problema de explotación de los datos basándose en Machine Learning, desarrollar o modificar algoritmos existentes para la mejor adecuación a la solución del problema.

Este curso cubre los principales algoritmos existentes dentro de Machine Learning explicando los principios matemáticos en los que se basan (matemáticos y estadísticos).

Participantes

Programadores, ingenieros, matemáticos, estadística. Toda persona que sepa programar y tenga un conocimiento medio/alto de matemáticas y quiera desarrollarse en el campo del Machine Learning

Se requieren conocimientos matemáticos y estadísticos para realizar el curso. Antes de comenzar con la materia del curso se realizará, dos sesiones una recordatorio de 3 horas de algebra y otra de 3 horas de estadística.

Contenido

I.- ALGEBRA

  • Álgebra matricial
  • Operaciones y propiedades
  • Cálculo Matricial
  • Álgebra Matricial

II.- ESTADÍSTICA

  • Conceptos generales
  • Probabilidad condicionada
  • Variables aleatorias (funciones de densidad)
  • Media, varianza, covarianza
  • Distribuciones más comunes
  • Probabilidad 2 variables aleatorias
  • Probabilidad múltiples variables aleatorias

III.- APRENDIZAJE SUPERVISADO

  • Regresión lineal
    • Función de coste, gradiente, ecuación norma
    • Verosimilitud
    • LSM
  • Regresión lógica
    • Función de coste
    • Verosimilitud
    • Método Newton
  • GLM – Generalized linear models
    • Familia Exponencial
    • Modeles de generalización lineal (Gausiano, Bernoulli)
    • Regresión SoftMax (clasificación multiclase)
  • Algoritmos de aprendizaje generativos
    • Gausian Disscriminat Analisys (GDA)
  • Naive Bayes
    • Laplace
    • Modelo de eventos
  • Support Vector Machine
    • Margen funcional y geométrico
    • Clasificador optimo
    • Problema dual Lagrange
    • Kernells
    • Norma L1 margen relajado
    • SMO

IV.- TEORÍA DEL CONOCIMIENTO

  • UnderFitting / overfitting
  • Minimización del riesgo empírico
  • Dimensión VC
  • X-Validation, leave one out
  • Métricas. ROC, matrices de confusión. Clases balanceadas
  • Selección de características

V.- REGULARIZACIÓN

Sección vacía. Añadir contenido aquí para editar la página.

VI.- APRENDIZAJE NO SUPERVISADO

  • K-mean
  • Mix of gausians
  • Algoritmos EM
  • PCA

VII.- APRENDIZAJE POR REFUERZO

Sección vacía. Añadir contenido aquí para editar la página.
horizontal break

Claustro

Guillermo Gonzalez Sánchez, licenciado en matemáticas por la Universidad de Sevilla y científico de datos. Se incorpora a Strategy Big Data en el 2015 como científico de datos. Beca de investigación sobre Operadores de Perron-Frobenius para el Instituto de Matemáticas de la universidad de Sevilla.Ha impartido clases en la Escuela Superior de Ingenieros de Sevilla.

Perito estadístico en Grupo Pericial. Especialización autónoma en Machine Learning, Time Series y programación en R y Python.

Duración y Lugar

El curso se ofrece en dos formatos:

  • Semana: martes, miércoles y  jueves de 19 a 22h. La primera semana no habrá clase el miércoles.
  • Fin de Semana: viernes de 17 a 22h. y sábado de 9 a 14h.

Comienzo de las clases:

  • Semana: Las clases comenzarán el 14 de Junio, martes.
    • 14, 16, 21, 22, 23, 28, 29, 30 de Junio.
  • Fin de Semana: Las clases comenzarán el 17 de Junio, viernes.
    • 17,18, 24, 25 de Junio y 1 Julio.

Será necesaria una asistencia al 80% de los créditos para la obtención del título.

Las clases se impartirán en la sede de CIFF, Centro Internacional de Formación Financiera, en María de Molina, 27, 28006. Madrid.

Se impartirá una metodología práctica, la filosofía es que cuando más se aprende es haciendo las cosas.  Las clase comenzarán con una parte teórica que se extenderá un 80% de la clase, después 20% lo dedicaremos a ver ejemplos usando notebooks auto contenidos, se propondrán ejercicios para que el alumno aplique lo aprendido. La parte teórica cobra mayor importancia en este curso.

Titulación y Matrícula

Aquellos alumnos que completen con éxito el curso, realizando todos los ejercicios y pruebas recibirán un Certificado en Machine Learning Avanzado expedido por CIFF Business School.

Los derechos de Matrícula y enseñanza ascienden a 595 euros, aunque existen descuentos para grupos y empresas.

  • Solicita Más Información

    Rellene este formulario para enviarnos cualquier consulta referente a este programa formativo.


    Acepto las condiciones Cerrar
    Fundación CIFF se compromete a utilizar tus datos con el único fin de ayudarte a encontrar el programa adecuado a tu perfil profesional.

  • Sede de Alcalá de Henares

    Sede de Alcalá de Henares

    Plaza de Cervantes, 10
    28801 Alcalá de Henares - Madrid
    Tel.: (+34) 91 885 64 68
    e-mail: info@ciff.net

    Ver Mapa Ver Galería
Mostrar Botones
Share On Facebook
Share On Twitter
Share On Google Plus
Share On Linkedin
Share On Pinterest
Ocultar Botones