- FACULTAD: Facultad de Economía
- DURACIÓN (Horas): 80
- FECHA DE INICIO: 15/06/2021
- FECHA DE TERMINACIÓN: 16/07/2021
- VALOR DE LA INSCRIPCIÓN: Estudiantes y Egresados: $800.000 - Público Externo: $1.000.000
- HORARIO: 6:00 PM - 9:00 PM
- SEDE: Sede Principal
- DIRIGIDO A: Estudiantes de pregrado y posgrado, egresados, investigadores, profesionales y empresarios.
- REQUISITOS DE INGRESO: Inscripción a través de la página de la Universidad
- REQUISITOS DE ACREDITACIÓN: Asistencia 80%, desarrollo de talleres y trabajo final.
DESCRIPCIÓN DEL PROGRAMA
Este curso está dirigido a estudiantes de pregrado y posgrado, profesionales e investigadores de diferentes áreas de conocimiento como las ciencias sociales, la ingeniería y las ciencias exactas. En este curso se explorarán los algoritmos de machine learning más utilizados en la industria y en la academia tanto del aprendizaje supervisado como del aprendizaje no supervisado.
Se quiere con el mismo que los estudiantes construyan un puente entre la teoría y la práctica a través de la elaboración permanente de ejercicios destinados a consolidar lo aprendido. Para aquellos que no están familiarizados con las bases matemáticas, estadísticas y de programación necesarias, el curso ofrece lo necesario. Se espera que los estudiantes al final del curso puedan implementar cada uno de los algoritmos en su cotidianidad laboral, investigativa y profesional.
OBJETIVOS O PROPÓSITOS FORMATIVOS DEL PROGRAMA
Objetivo General
Proporcionar conocimientos de los principales algoritmos de machine learning utilizados en la industria y la academia para el
procesamiento y análisis de información, y la resolución de problemas de esta derivados.
Objetivos Específicos
● Brindar las competencias de programación básica e intermedia del lenguaje de programación python.
● Proporcionar los conocimientos necesarios para el manejo de datos, depuración, descripción y visualización.
● Examinar con los estudiantes los principales algoritmos utilizados en machine learning.
● Aplicar los algoritmos aprendidos al análisis de situaciones reales del sector privado y público.
JUSTIFICACIÓN
En el contexto de la revolución 4.0, el desarrollo computacional de las últimas décadas ha provocado una aceleración de la información en tres direcciones: su creación, su almacenamiento y su procesamiento. Cada minuto se crea una ingente cantidad de datos de diferentes fuentes: redes sociales, páginas web, encuestas, consumo online, entre otras. Esta información es almacenada en repositorios de distinta índole, siendo la nube la más importante por su alcance y capacidad en la web.
Este tipo de información es inmensamente valorada tanto por el sector privado como por el sector público ya que permite una toma de decisiones estratégicas más robusta que en periodos
anteriores. Hasta hace muy poco no se contaba con la capacidad computacional para procesarlos, pero con el impulso tecnológico de los últimos años y el desarrollo en términos de programación y algoritmos, esta batería de información puede ser utilizada. En este contexto hace falta una variable que una a la creación, el almacenamiento y el procesamiento de la información y permita su aprovechamiento: el capital humano.
Este curso busca aportar en esa dirección para que la población se forme en las capacidades necesarias para tomar ventaja de este potencial que crece con el pasar de los segundos. El machine learning y la inteligencia artificial como los principales protagonistas de esta transformación son el tema principal del mismo. No obstante, el nivel teórico avanzado de los
algoritmos de estas áreas de la ciencia se quedaría corto sin una herramienta fácil de aprender y de implementar. Por esta razón, se ha optado por el lenguaje de programación python que, a pesar de no ser un software estandarizado como otros paquetes de procesamiento de información, es el lenguaje con la curva de aprendizaje más acelerada y más popular en el mercado laboral relacionado. El machine learning aunado al lenguaje de programación python terminan siendo una combinación pertinente para la coyuntura y hacia allá apunta el curso.
HERRAMIENTAS COMERCIALES
Para el aprendizaje se utilizarán bases de datos de diversos repositorios de la web:
- Kaggle
- Github
- Banco Mundial
- DANE
- Periódicos
METODOLOGÍA
Se organizarán sesiones mediadas por TIC teórico – prácticas donde se presentan a los estudiantes los conceptos y se aplicarán a bases de datos reales.
Se explicarán utilizando notebooks que permiten la facilidad de entretejer lo teórico con código markdown y lo práctico con código en python. De esta manera, la clases no perderá en ningún momento la interrelación entre los dos componentes del aprendizaje.
- 64 Horas – Sesiones presenciales (mediadas por TIC)
- 16 Horas – Tutoría y acompañamiento virtual para el desarrollo, entrega y sustentación de trabajos prácticos.
CONTENIDO PROGRAMÁTICO:
- Bases del cálculo diferencial
- Optimización
- Descenso del gradiente
- Descenso del gradiente estocástico
- Algoritmo ADAM
- Funciones de pérdida
- Introducción a la probabilidad
- Variables aleatorias
- Distribuciones de probabilidad
- Teoría de la información
- Entropía
- Entropía cruzada
- Jupyter
- Google Colab
- Funciones condicionales Bucles
- Utilización de módulos: numpy, pandas, scipy, matplotlib
- Limpieza de datos
- Visualización de datos
- Análisis exploratorio de datos
- Web scrapping
- Modelos de variables latentes (PCA)
- Modelos de variables latentes (SVD)
- Clustering
- Clasificación regresión logística LDA, KNN
- Métodos tree-based
- Support Vector Machines
- Redes neuronales: perceptron, multilayer perceptron
