Aprendizaje automatico y ciencia de datos

Aprende a valorizar y extraer conocimiento a partir de los datos, usando tcnicas y herramientas de anlisis de datos genricas, y aprendizaje automtico en particular.

( 0 Reviews )

Created by: Fernando Martnez Plumed

Quality Score

Content Quality

Video Quality

Qualified Instructor

Course Pace

Course Depth & Coverage

Overall Score : 0 / 100

Course Description

El aprendizaje automtico es una habilidad que toma cada vez ms relevancia debido al gran nmero de datos (big data), los cuales deben de ser analizados para tomar decisiones. En este curso en lnea aprenders los conceptos bsicos del aprendizaje automtico (machine learning) y la ciencia de datos. En particular, aprenders las tcnicas necesarias para evaluar el rendimiento de los algoritmos y de los modelos obtenidos. Tambin aprenders como preprocesar los datos para obtener as modelos de mayor calidad (simples, comprensibles, eficientes, etc.). Por ltimo, en este curso de anlisis de datos aprenders a poner en funcionamiento las tcnicas estudiadas mediante un ejemplo prctico programando tus propios scripts y algoritmos en R.
UNIDAD 1. Introduccin al aprendizaje automtico y la ciencia de datos
PRCTICA 1. Introduccin al lenguaje R UNIDAD 2. Evaluacin de modelos de aprendizaje automtico
PRCTICA 2. Evaluacin de modelos de aprendizaje automtico UNIDAD 3. Tcnicas bsicas de aprendizaje automtico PRCTICA 3. Prctica de creacin de modelos de aprendizaje automtico
UNIDAD 4. Preprocesamiento de datos
PRCTICA 4. Visualizacin
PROYECTO

Intermediate Level

Time: 5 Weeks - 4-5 hours per week

Instructor Details

Fernando Martnez Plumed

0.0 Rating
0 Reviews

Fernando Martnez Plumed es investigador postdoctoral en el Departamento de Sistemas Informticos y Computacin (DSIC) de la Universidad Politcnica de Valencia (UPV). Posee los ttulos de Ingeniero Informtico (2009), Mster en Ingeniera de Software, Mtodos Formales y Sistemas de Informacin (2010) y Diploma de postgrado en Direccin de Empresas para Ingenieros (2011) por la UPV. Es Doctor en Informtica por la UPV (2016) y su tesis aborda la creacin de sistemas de IA de propsito general, as como el anlisis y evaluacin tanto de su desarrollo como de sus capacidades cognitivas, obteniendo sta la calificacin de sobresaliente Cum Laude. Sus actividades acadmicas y de investigacin han abarcado distintas reas de la Inteligencia Artificial, aprendizaje automtico, minera de datos, evaluacin de IA, programacin inductiva y sistemas cognitivos. Los resultados de su investigacin estn recogidos en ms de 35 artculos en conferencias nacionales e internacionales (incluyendo IJCAI, ECAI o AI) y en revistas cientficas con impacto (incluyendo Artificial Intelligence , Cognitive Systems research, Adaptive Behaviour o AI Magazine) . Es adems revisor en conferencias como ECML, AAAI, SIGKDD, IJCAI o NIPS, y en revistas como EAAI o IA Iberamia. Destacar que recientemente ha publicado dos artculos en el Artificial Intelligence Journal (revista ms importante dentro del rea de la Inteligencia Artificial) y ha sido galardonado con el premio "Best Paper Award" entre ms de 650 artculos presentados en la conferenc