• FACULTAD: Ciencias Económicas y Administrativas
• DURACIÓN (Horas): 40 horas
  
• FECHA DE INICIO: 16 de agosto de 2022 
• HORARIO:  6:00 p m a 10:00 p.m. 
• SEDE:  Principal
• VALOR DE LA INSCRIPCIÓN: $ 600.000 (clic aquí para inscribirte)
• DIRIGIDO A: Profesionales en cualquier área del conocimiento
• MODALIDAD: Presencial
• REQUISITOS DE INGRESO:
• REQUISITOS DE ACREDITACIÓN:  Asistir al 80% de las sesiones

---

 DESCRIPCIÓN

Nos encontramos en la cuarta revolución industrial, que se caracteriza por un internet mucho más móvil, una mayor velocidad y capacidad de almacenamiento de la información. En esta nueva era, los datos abundan gracias a las redes sociales, el internet de las cosas y la digitalización de procesos cotidianos. Hay nuevas maneras de percibir el mundo que marcan un cambio profundo de la forma de hacer las cosas en todas las áreas de la actividad humana donde la tecnología y el manejo de datos permiten y facilitan cosas que antes no imaginábamos todo
permeado por la inteligencia artificial y el aprendizaje automático. En nuestra época no es posible subestimar la importancia de los algoritmos, pues ellos dominan gran parte de nuestras
tareas cotidianas y se emplean en muchas situaciones para resolver problemas que sin el uso de un computador resultarían imposibles o muy dispendiosos de atender. Los algoritmos nos ayudan a entender el mundo a través de los datos o la información que los alimenta y mejoran nuestra calidad de vida al permitir automatizar procesos de una forma ágil, rápida y con la mayor precisión posible.

La intersección entre las ciencias de la computación y la estadística dio en el nacimiento de la inteligencia artificial y el machine learning que poseen una gran cantidad de algoritmos para facilitar tareas a través del uso de grandes cantidades de datos o de información. Los algoritmos del machine learning existen desde hace mucho tiempo, por lo menos de forma teórica, sin embargo, solo en esta época han podido resurgir y desarrollar toda su potencialidad gracias a una mayor disponibilidad de datos y facilidad en el uso de potentes computadoras y servidores. Es así como esta área del conocimiento se ha ido expandiendo con un gran éxito y acogida en empresas y organizacionesconvertidola en una de las disciplinas más demandadas. El curso es una introducción a los conceptos y herramientas esenciales para el Machine Learning, se enfoca en los algoritmos más importantes del machine learning y asume que el estudiante está familiarizado con herramientas como python o R. A través de estos algoritmos el estudiante podrá generalizar comportamientos, reconocer patrones, y realizar estudios predictivos de distintos fenómenos Los algoritmos del Machine Learning, son un conjunto de metodologías que ayudan a que el computador tenga capacidad de aprender y de mejorar de forma autónoma con aplicaciones en todos los sectores imaginables. Se convierten, dadas estas características, en un área muy atractiva para empresas, industrias y gobiernos, pues permiten tomar decisiones
disminuyendo la incertidumbre de forma ágil. Este es el segundo curso del Diplomado en Machine Learning que consta de tres cursos: Introducción a Python, Machine Learning for Data Analytics, y Deep Learning y Aplicaciones avanzadas. De acuerdo a su nivel de formación, las personas interesadas pueden tomar uno o los tres cursos, siendo requisito para certificar el Diplomado haber cursado los tres. Es importante aclarar que la apertura de los cursos dependerá de alcanzar un número suficiente de inscritos y la Universidad no podrá garantizar la apertura de los tres módulos si este requerimiento no se tiene.

OBJETIVOS:

Este curso es una introducción a los principales algoritmos del Machine Learning, le permitirá al estudiante:

• Comprender las bases fundamentales de los principales algoritmos del Machine Learning
• Tener habilidad en el uso de herramientas y algoritmos para la solución de problemas de forma práctica.
• Entender la estructura del lenguaje de programación y el uso del código en Python para su implementación.
• Realizar pronósticos más precisos, y convertir los datos disponibles en información valiosa para la toma de decisiones.
• Conocer las diferencias entre los algoritmos más populares del Machine Learning y saber cuál se usa en cada caso de acuerdo a la naturaleza de los datos.
• Potenciar el perfil profesional a través del entendimiento de una de las disciplinas más demandadas.

JUSTIFICACIÓN

Este curso responde a las necesidades que tienen profesionales de distintas áreas del conocimiento en formarse y fortalecer sus habilidades en el tema de análisis de datos, uso de software y herramientas computacionales.

CONTENIDO PROGRAMÁTICO

1. Módulo I: Aprendizaje supervisado (Regresión lineal y regresión logística, Árboles de decisión, bagging y Random Forest, Regularización y desbalanceo de clases)

2. Módulo II: Aprendizaje no supervisado (Introducción al aprendizaje no supervisado: K-Means y Hierarchical Clustering, Medidas de distancia/similitud, métodos de grafos, Sistemas de recomendación, métodos basados en factores latentes, factorización de matrices).