NOSOTROS CRONOGRAMA FRANQUICIA BLOG CONTACTO ACCESO SISTEMA ACADEMICO

ARCITURA

Machine Learning Module 3: Machine Learning Lab

Código: ARC-214


Este módulo del curso presenta a los participantes una serie de ejercicios y problemas que están diseñados para evaluar su capacidad para aplicar sus conocimientos sobre los temas tratados en cursos anteriores.

 Propuesta de Valor: ARCITURA

 Duración: 8 Horas Académicas

Áreas de Conocimiento:
TRANSFORMACION DIGITALCIENCIA DE DATOS E INTELIGENCIA ARTIFICIALTECNOLOGIAS EMERGENTES Y DISRUPTIVAS

Exportar Contenido a PDF

   AUDIENCIA


  • Estos talleres pueden estar abiertos al registro público o impartidos de forma privada para una organización específica.

   PRE REQUISITOS


  • Haber cursado Advanced Machine Learning

   OBJETIVOS


  • Patrones de optimizacion de modelos
  • Patrones de manipulacion de datos
  • Algoritmos y practicas de aprendizaje automatico
  • Mecanismos de aprendizaje automatico

   CERTIFICACIÓN DISPONIBLE



  • Este curso es uno de los tres cursos que se utilizan para prepararse para el examen ML90.01 .

   CONTENIDO



1. PATRONES DE OPTIMIZACIÓN DE MODELOS

1.1. APRENDIZAJE CONJUNTO DE OPTIMIZACIÓN DE MODELOS
1.2. REENTRENAMIENTO FRECUENTE DE MODELOS
1.3. IMPLEMENTACIÓN DE MODELOS LIGEROS
1.4. APRENDIZAJE DE MODELOS INCREMENTALES


2. PATRONES DE EVALUACIÓN DE MODELOS

2.1. EVALUACIÓN DEL DESEMPEÑO DE LA CAPACITACIÓN
2.2. EVALUACIÓN DEL DESEMPEÑO DE LA PREDICCIÓN
2.3. MODELADO DE LÍNEA DE BASE


3. PATRONES DE APRENDIZAJE NO SUPERVISADOS

3.1. DESCUBRIMIENTO DE CATEGORÍA
3.2. DESCUBRIMIENTO DE PATRONES


4. PATRONES DE APRENDIZAJE SUPERVISADO

4.1. PREDICCIÓN NÚMERICA
4.2. PREDICCIÓN DE CATEGORÍA


5. PATRONES DE MANIPULACIÓN DE DATOS

5.1. IMPUTACIÓN DE CARACTERÍSTICAS
5.2. CODIFICACIÓN DE FUNCIONES
5.3. DISCRETIZACIÓN DE FUNCIONES
5.4. ESTANDARIZACIÓN DE FUNCIONES


6. PATRONES DE REDUCCIÓN DE DATOS

6.1. SELECCIÓN DE CARACTERÍSTICAS
6.2. EXTRACCIÓN DE CARACTERÍSTICAS


7. PATRONES DE EXPLORACIÓN DE DATOS

7.1. CÁLCULO DE TENDENCIA CENTRAL
7.2. CÁLCULO DE VARIABILIDAD
7.3. COMPUTACIÓN DE ASOCIATIVIDAD
7.4. CÁLCULO DE RESUMEN GRÁFICO


8. CICLO DE VIDA DEL APRENDIZAJE AUTOMÁTICO


9. CICLO DE VIDA DEL APRENDIZAJE AUTOMÁTICO

9.1. RECOPILAR DATOS DE ENTRENAMIENTO
9.2. DATOS DE ENTRENAMIENTO PREVIOS AL PROCESO
9.3. ELIJA ALGORITMO Y MODELO
9.4. MODELO DE TREN
9.5. IMPLEMENTAR MODELO CAPACITADO
9.6. USAR MODELO ENTRENADO CON DATOS NUEVOS


10. ALGORITMOS Y PRÁCTICAS DE APRENDIZAJE AUTOMÁTICO

10.1. APRENDIZAJE SUPERVISADO
10.2. APRENDIZAJE Y AGRUPACIÓN EN CLUSTERES NO SUPERVISADOS
10.3. REDUCCIÓN DE DIMENSIÓN
10.4. APRENDIZAJE SEMI-SUPERVISADO
10.5. APRENDIZAJE REFORZADO


11. MECANISMOS DE APRENDIZAJE AUTOMÁTICO

11.1. DISPOSITIVO DE ALMACENAMIENTO
11.2. MOTOR DE PROCESAMIENTO
11.3. ADMINISTRADOR DE RECURSOS
11.4. MOTOR DE TRANSFERENCIA DE DATOS
11.5. MOTOR DE CONSULTA
11.6. MOTOR ANALÍTICO
11.7. MOTOR DE FLUJO DE TRABAJO
11.8. MOTOR DE VISUALIZACIÓN
11.9. GERENTE DE GOBIERNO DE DATOS


12. COMPONENTES DE APRENDIZAJE AUTOMÁTICO

12.1. CONJUNTOS DE DATOS
12.2. MODELOS
12.3. ALGORITMOS


13. ALGORITMOS

13.1. IMPULSORES DEL NEGOCIO
13.2. CONTROLADORES DE TECNOLOGÍA
13.3. BENEFICIOS
13.4. DESAFÍOS
13.5. EN LA INDUSTRIA



   BENEFICIOS



  • Al finalizar el curso, este laboratorio ayudará a resaltar las áreas que requieren mayor atención y demostrará aún más la competencia en los sistemas y técnicas de aprendizaje automático, ya que se aplican y combinan para resolver problemas del mundo real

   INVERSIÓN



La inversión incluye: Material de estudio oficial de ARCITURA, certificados e impuestos de ley.

  • En los cursos presenciales proveemos de una computadora por persona y refrigerios.
  • En los cursos virtuales las plataformas interactivas y acceso al aula virtual de recursos.
  • Certificado oficial ARCITURA .
  • Los laboratorios son los oficiales en la Nube ARCITURA .