Machine Learning

Machine Learning

  • Descripción
  • Contenido
  • Cronograma
  • Instructores
  • Financiamiento
  • Registro
  • Déjanos tus datos

Descripción del Programa:

Machine Learning es una de las ramas de Data Science la cual busca identificar patrones complejos en grandes cantidades de datos atreves de algoritmos matemáticos.

Durante este curso el participarte se familiarizará con diferentes técnicas de machine learning y dependiendo de estas como tomar decisiones fiables que permitan dar soluciones a múltiples problemas reales.

Las técnicas aprendidas se las empleara mediante la utilización de Python, un lenguaje de programación de código abierto amigable con el usuario y con una gran variedad de aplicaciones.

Objetivo General:

Conocer y aplicar técnicas de machine learning para dar solución a problemas reales.

Objetivos de aprendizaje:

  • Comprender los fundamentos teóricos y conceptuales machine learning
  • Conocer diferentes técnicas de machine learning
  • Identificar qué técnica es la más adecuada en función del problema a analizar
  • Crear modelos de machine learning y entender sus resultados
  • Tomar decisiones que den solución a problemas reales

Público Objetivo:

El programa está orientado a profesionales que busquen conocer técnicas y métodos para tomar mejores decisiones de negocio, tener una visión más global de la organización o crear innovación en sus compañías.

Personas que hayan tomado el curso de “Data Analytics: análisis y visualización de datos con Python” o que tengan sólidos conocimientos de estadística y programación en Python.

Perfil del Egresado:

El curso busca formar profesionales y ejecutivos líderes en la administración y análisis de datos. Profesionales que incrementen significativamente sus ventajas competitivas sin depender del área tecnológica de la organización.

Duración: 28 horas académicas

Modalidad: Presencial

Contenido:

MODULO I. Introducción a Machine Learning. Profesor Juan Esteban Diaz

Temas

  • ¿Qué es machine learning
  • Técnicas de machine learning
  • Diferencia entre inteligencia artificial, machine learning y deep learning
  • Aplicaciones de machine learning

MÓDULO II. Reducción de dimensionalidad. Profesor Juan Esteban Diaz

Temas:

  • Análisis de componentes principales

MÓDULO III. Supervised learning. Profesores Juan Esteban Diaz, Noel Pérez y Daniel Riofrío

Temas:

  • Regresión lineal múltiple (predicción de valores continuos). (Profesor: Juan Esteban Diaz)
  • Clasificación (predicción de categorías) / (Profesores: Noel Pérez y Daniel Riofrío)
    • Árboles de Decisión
      • Conceptos básicos: Aprendizaje, Clasificación versus Predicción, Construcción y utilización de modelos.
      • Algoritmo de inducción de un árbol de decisión
      • Entropía como medida de incertidumbre
      • Árbol ID3/C4.5 de Quinlan
      • Índices de generación: Information gain, Gain ratio y Gini.
      • Caso de uso práctico
  • Redes Neuronales Artificiales
  • Modelo básico: El Perceptrón.
  • Conceptos: funciones de activación, tipos de algoritmos de aprendizaje y frontera de decisión.
  • Modelos multicapa de redes neuronales artificiales.
    • Feedforward backpropagation.
  • Redes Neuronales Artificiales con Python.
    • Casos prácticos

MÓDULO IV. Unsupervised learning. Profesor Juan Esteban Diaz

Temas:

  • Tipos de Unsupervised Learning
  • Clustering (determinar la estructura de datos)
  • Como funcionan los algoritmos de Clustering

Cronograma:

Fecha de inicio: 24 Marzo de 2020
Fecha de cierre: 25 Abril de 2020
Formato: clases presenciales, talleres y casos de estudios
Horario: Martes de 18:00 a 21:00 / Sabados de 9:00 a 13:00

Fechas del cursoHoras de claseHorario
Martes 24 Marzo2:4018:00 a 21:00
Sábado 28 Marzo3:409:00 a 13:00
Martes 31 Marzo2:4018:00 a 21:00
Sábado 4 Abril3:409:00 a 13:00
Martes 7 Abril2:4018:00 a 21:00
Martes 14 Abril2:4018:00 a 21:00
Sábado 18 Abril3:409:00 a 13:00
Martes 21 Abril2:4018:00 a 21:00
Sábado 25 Abril3:409:00 a 13:00
TOTAL28h

Instructores:

Juan Esteban Diaz

Juan Esteban Diaz Ph.D. en Negocios y Gerencia en la Universidad de Manchester, Reino Unido. M.Sc. Economía de Alimentos y Recursos en la Universidad de Bonn, Alemania. Actualmente se desempeña como profesor del Colegio de Ciencias e Ingenierías y del Business School de la Universidad San Francisco de Quito, realizando investigación en el área de simulación y optimización de algoritmos y procesos.

Noel Pérez

Noel Pérez Es Ph.D. en data mining, pattern recognition and machine learning de la Universidad de Porto, Portugal. M.Sc. en Computer science, en el campo de procesamiento digital de imágenes, reconocimiento de patrones y machine learning de la Universidad de Ciego de Avila, Cuba.
Por más de 7 años fue investigador del Instituto de Ingeniería Mecánica y Gestión Industrial en la facultad de ingeniería, de la Universidad de Porto.
Actualmente, es profesor a tiempo completo en la Universidad San Francisco de Quito donde sus intereses de investigación incluyen procesamiento digital de imágenes, data mining, reconocimiento de patrones y machine learning.

Daniel Riofrío

Daniel Riofrío Es Ph.D. Computer Science, University of New Mexico. Actualmente, es profesor de Ingeniería en Ciencias de la Computación en la Universidad San Francisco de Quito.
Intereses: Computational Medicine, Networking & Security, Freedom on the Net, Algorithms.

 

Financiamiento:

Tarifa PVP: $550

Tarifa Pronto pago: $470
Tarifa habilitado hasta el 1 de marzo de 2020

Tarifa de Grupos (mínimo 3 personas) : $470

TarifaAlumni USFQ: $490

La cancelación del valor del programa se podrá realizar a través de las siguientes formas:

  • Transferencia o pago en ventanilla
  • Tarjeta de Crédito:
    1. Con tarjetas de crédito Banco de Pichincha o Banco de Guayaquil podrá acceder al siguiente financiamiento:
      3 meses sin intereses o 6, 9 y 12 meses con intereses.
    2. Tarjetas de otros bancos:
      Debe consultar el financiamiento especifico de su tarjeta.

* La coordinación del programa se reserva el derecho de suspender o reprogramar la realización de la actividad si no cuenta con el mínimo de alumnos requeridos o por motivos de fuerza mayor. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero a la brevedad posible.

Registro

La cancelación del valor del programa se podrá realizar a través de las siguientes formas:

PASO 1: Realizar el pago

Transferencia o pago en ventanilla

Datos de la cuenta:
A nombre de Universidad San Francisco de Quito
Banco Bolivariano
Cuenta corriente Nro. 5075003350
(RUC: 1791836154001)

A nombre de Universidad San Francisco de Quito
Banco Pichincha
Cuenta corriente Nro. 3407330004
(RUC: 1791836154001)

Si realizó el pago mediante Transferencia o Pago en efectivo, por favor continuar con el PASO 2.

Tarjeta de Crédito

Con tarjetas de crédito Banco de Pichincha o Banco de Guayaquil podrá acceder al siguiente financiamiento:
3 meses sin intereses o 6, 9 y 12 meses con intereses

Tarjetas de otros bancos:
Debe consultar el financiamiento especifico de su tarjeta.

Dar clic en el siguiente PAGUE AQUÍ y complete la información solicitada por el formulario. Al finalizar quedará registrado automáticamente en el sistema. Pasar al PASO 3.

PASO 2: Confirmar tu pago

Si realizó el pago mediante Transferencia o Pago en efectivo, por favor enviar una copia del comprobante de depósito (escaneado) y sus datos personales ( nombres completos, cedula, teléfono y dirección) al siguiente email: rordonez@usfq.edu.ec

* En caso de necesitar que la factura salga con otros datos diferentes al del participante, por favor detallar en el correo.

Si realizó el pago con Tarjeta de Crédito no es necesario confirmar su pago, el sistema registrará sus datos automáticamente.

PASO 3: Confirmación de registro

Recibirá un mail de confirmación de registro, con la información pertinente al curso.

* La coordinación del programa se reserva el derecho de suspender o reprogramar la realización de la actividad si no cuenta con el mínimo de alumnos requeridos o por motivos de fuerza mayor. En tal caso se devuelve a los alumnos matriculados la totalidad del dinero a la brevedad posible.

Déjanos tus comentarios

Si estás interesado en este programa, déjanos tus datos y te enviaremos más información.

Contacto

Benigno Malo
Educación Continua
Universidad San Francisco de Quito
Telf: +593 22 971 700 ext. 2127
bmalov@usfq.edu.ec