Introducción al Machine Learning con Python

  • Data Analytics
  • curso
  • 24
  • Finalizado
PRESENCIAL

PROMOCIÓN VENTA ANTICIPADA:
→ 40% DTO.
¡sólo hasta el 23 de marzo!

Curso organizado dentro del marco del proyecto EUHubs4Data

Curso de formación realizado en colaboración con la Asociación Valenciana de Ingenieros de Telecomunicación (AVIT)

El mundo moderno está repleto de datos. La información permea los distintos aspectos de nuestro entorno y poder extraer un significado de los datos crudos es una aptitud cada vez más necesaria. Asimismo, en este entorno de análisis se requiere de herramientas flexibles, ligeras y robustas que permitan el rápido prototipado de algoritmos, de modo que se puedan probar distintas hipótesis, algoritmos que una vez probados puedan utilizarse directamente en producción.

Satisfacer completamente estas necesidades es una de las razones por la que el lenguaje Python está tan extendido en las comunidades científica, informática y académica. Es un lenguaje de sintaxis sencilla y fácil aprendizaje, sin que ello limite su potencial. Dada la amplitud de la comunidad y la edad del lenguaje, éste lleva asociado una plétora de módulos de código abierto que amplían enormemente su funcionalidad y una documentación íntegra de casos de uso, errores y herramienta.

En este curso se hará un recorrido del uso del lenguaje, desde la base sintáctica hasta una funcionalidad avanzada orientada hacia el análisis de datos, otorgando unas herramientas con las que el alumno puede, por cuenta propia, enriquecer y especializar su propio repertorio.

El constante bombardeo de datos puede tornarse cacofónico, inmanejable e ininteligible sin la preparación adecuada. Con este curso se pretende afinar esas cuerdas.

Wir müßen wißen — wir werden wißen!

Objetivo

Los alumnos deberán adquirir las siguientes competencias:

  • Familiaridad con Python, su gramática y sintaxis.
  • Uso y preparación de módulos de código en Python, incluyendo las principales librerías de Machine Learning.
  • Preparación y análisis estadístico de datos crudos de cualquier formato.
  • Correcta representación gráfica de datos.
  • Aplicación informada de los modelos más habituales y contemporáneos de Machine Learning: k-Vecinos, clustering jerárquico, árboles de decisión, redes neuronales artificiales...

Audiencia

Profesionales técnicos, analistas, consultores técnicos y desarrolladores interesados en aprender uno de los lenguajes más extendidos y versátiles, con una comunidad creciente. Python es una de las llaves principales del campo del análisis de datos y el de Machine Learning.

Prerrequisitos

Conocimientos básicos de programación, conocimientos básicos de matemáticas. Se recomienda tener conocimientos de estadística, aunque no es indispensable para la correcta realización del curso.

Tema 1. Introducción a Python (1h)

  1. Lenguaje interpretado y tipos dinámicos
  2. Sintaxis
  3. Condicionales y estructuras de control
  4. Listas, diccionarios y otros iterables

Tema 2. Uso básico de Python (3h)

  1. Jupyter
  2. Scripts, Módulos y empaquetado
  3. Introducción a las librerías más usadas
  4. Visualización de datos

Tema 3. Introducción a “Data Science” (1h)

  1. Visión general
  2. Descripción de las fases del Data Analytics

Tema 4. Análisis Exploratorio de Datos (AED) (3h)

  1. Estadística descriptiva
  2. Análisis Univariante
  3. c) Análisis Multivariante

Tema 5. Procesado de datos (4h)

  1. Limpieza de datos (data cleansing)
  2. Gestión de datos faltantes
  3. Reescalado / Normalización
  4. Datos categóricos a numéricos (Codificación)
  5. Datos numéricos a categóricos (Discretización)
  6. Remuestreo (resampling)

Tema 6. Introducción a Machine Learning (ML) (2h)

  1. Introducción a Machine Learning
  2. Clasificación de modelos de ML
  3. Proceso estándar de modelado
  4. Evaluación de modelos de ML
  5. e) Mejorar los resultados de los modelos

Tema 7. Machine Learning (ML) en Python (10h)

  1. Regresión: lineal, múltiple (1h)
  2. Clasificación: kNN, Naive Bayes, Árboles de decisión (3h)
  3. Modelos Black Box: ANN, SVM (2h)
  4. Agrupación de modelos (Ensemble) (2h)
  5. Clustering: kMeans (1h)
  6. Introducción a Deep y Reinforcement Learning (1h)

Miguel Bravo Arribas

Ingeniero de Telecomunicaciones con especialidad en Sistemas de Comunicaciones por la Universidad Carlos III de Madrid y Máster Internacional en Integración de Sistemas Inteligentes por el consorcio de Universidades Heriot-Watt University (Escocia), Buskerud and Vestfold University College (Noruega) y Budapest University of Technology and Economics (Hungría).

Ha trabajado durante 2 años en PwC como analista de datos, desarrollando tareas de Machine Learning y Busineess Intelligence principalmente en proyectos de prevención y detección de fraude, en los sectores de banca y retail. De manera adicional, ha trabajado 1 año en Deloitte como analista de datos senior, desarrollando tareas de Machine Learning y Busineess Intelligence y gestionando equipos de 2-3 personas en proyectos de prevención y detección de fraude, en sectores de hostelería, retail, supermercados y casinos.

Se incorpora al ITI en 2018 como analista de datos en el departamento de Área de Soporte a la ejecución de proyectos de I+D, para el desarrollo de proyectos de Machine Learning y Big Data. Actualmente trabaja como científico de datos en dicho departamento y ha sido promocionado a portavoz del equipo de analistas de datos del mismo, donde además del desarrollo de proyectos de analítica de datos principalmente en el entorno industrial, realiza tareas de gestión de equipos, redacción de propuestas y toma de decisiones.

 

*Equipo docente sujeto a cambios

Este curso puede ser bonificado a través de los créditos de formación de la FUNDAE, siendo ITI la entidad Organizadora del curso. Para ello, la inscripción debe realizarse con al menos 2 días hábiles de antelación. Inscripciones posteriores no podrán bonificarse. Si necesita que dicha gestión la realice ITI, póngase en contacto con nosotros en formacion@iti.es con una antelación mínima de 6 días antes del inicio del curso. Esta gestión tiene un coste equivalente al 15% del importe máximo a bonificar, con un mínimo de 45€ por cada formación.

Todos los cursos tienen un precio base específico. Sobre el precio base, se podrán aplicar una serie de descuentos en los siguientes casos:

• Inscripción anticipada (30 días antes de la fecha de fin de inscripción).
• Inscripción de más de un alumno de una misma organización*.
• Ser asociados de ITI o disponer de un acuerdo de colaboración con ITI*.

* Estos descuentos no serán de aplicación durante el periodo de inscripción anticipada.

Más información aquí


    Inscribirse

    Rellena los datos de este formulario y nos pondremos en contacto contigo para confirmar la inscripción a este curso

    Datos del participante



    Asociado/Colegiado AVIT-COITCV SiNo

    Datos de la empresa


    Empresa asociada a ITI SiNo


    He leído y acepto la política de privacidad

    Deseo recibir el Newsletter o boletines de ITI
    Deseo recibir el Newsletter o boletines de ITI


    Deseo recibir el boletín de formación de ITI
    Deseo recibir el boletín de formación de ITI

    form-single-oferta-formativa
    https://iti.es/gracias-cursos?pid=16429&tipo=formacion

    Datos Básicos

    Inscripción: Del 28/02/2022 al 26/04/2022
    Inicio: 03/05/2022
    Fin: 19/05/2022
    Duración: 24
    Horario: Martes y jueves. De 16:00 a 20:00h.
    Lugar: Aula de formación del Instituto Tecnológico de Informática- ITI. Ciudad Politécnica de la Innovación, Edificio 8G, Cuarta Planta