Machine learning básico para científicos de datos

Federico Palmieri

Enfoque de negocio en la construcción e implementación de modelos predictivos usando machine learning

¿Qué aprenderás en este curso?

Teoría de los modelos de machine learning

Programación en Python de modelos de machine learning

Etapas de un modelo de machine learning

Enfoque de negocios de modelos predictivos

Requisitos

Python básico

Descripción

Este curso ofrece una introducción integral a los modelos de Machine Learning, combinando fundamentos teóricos con una aplicación práctica. Comienza con una visión general del aprendizaje automático y la clasificación de los modelos existentes, diferenciando entre modelos supervisados (regresión y clasificación) y no supervisados. Además, se presentan los distintos tipos de datos con los que se puede trabajar y cómo su naturaleza influye en la elección del modelo.

A continuación, se exploran los principales algoritmos utilizados en modelos supervisados, incluyendo los modelos basados en árboles y las redes neuronales. El curso también guía al alumno en el procedimiento general para desarrollar modelos predictivos, desde la definición del problema y la preparación de los datos, hasta el entrenamiento, validación y evaluación del modelo. El enfoque práctico es realizado en Python (Google Colab) utilizando bases públicas para permitir que el alumno replique los resultados presentados durante las clases.

En la fase práctica, los participantes implementan un modelo completo: tratamiento de datos, aplicación del algoritmo y evaluación de su desempeño mediante métricas de bondad de ajuste. Esta experiencia permite consolidar los conocimientos adquiridos y comprender los desafíos reales del modelado predictivo. El curso finaliza con un repaso general y reflexiones sobre las aplicaciones prácticas del Machine Learning.