Curso de Machine Learning Aplicado Usando Python IFCD093PO
- Dignitae Formación y Certificación
- Tipo : Subvencionada
- Modalidad: Online / Distancia
- Duración: 120 horas.
- Precio: Subvencionado
Servicio de alertas por email
Facilítanos tus datos de contacto y te informaremos de programas académicos similares a
Curso de Machine Learning Aplicado Usando Python IFCD093PO
en tu email.
Sede principal del centro
- Madrid
Calle Albasanz Bis 14, Ciudad Lineal.
Madrid - 28037, Madrid
- MadridSede principal
Paseo de la Castellana, 143 1 planta
Madrid - 28046, Madrid
Dirigido a:
Cursos subvencionados para Trabajadores del sector de servicios a las empresas.
Comentarios:
Objetivos Didácticos
Desarrollar, implementar y validar modelos de aprendizaje máquina (Machine Learning): diseñar modelos predictivos de clasificación en problemas reales de salud, economía y empresa, implementar algoritmos de segmentación para análisis de poblaciones en diferentes aplicaciones y desarrollar modelos de predicción avanzados de series temporales. Leer más
Cursos subvencionados para Trabajadores del sector de servicios a las empresas.
Comentarios:
Objetivos Didácticos
Desarrollar, implementar y validar modelos de aprendizaje máquina (Machine Learning): diseñar modelos predictivos de clasificación en problemas reales de salud, economía y empresa, implementar algoritmos de segmentación para análisis de poblaciones en diferentes aplicaciones y desarrollar modelos de predicción avanzados de series temporales. Leer más
Temario del Curso
1. INTRODUCCIÓN AL CURSO
1.1. Introducción al Python
1.2. Librería de Python para Machine Learning.
1.3 Machine Learning. Introducción.
2. APRENDIZAJE SUPERVISADO
2.1. Definición y aplicaciones.
2.2 Medidas de rendimiento.
2.3 Modelos lineales
2.4 Modelos supervisados de ML: árboles, SVM, redes neuronales. Leer más
1. INTRODUCCIÓN AL CURSO
1.1. Introducción al Python
1.2. Librería de Python para Machine Learning.
1.3 Machine Learning. Introducción.
2. APRENDIZAJE SUPERVISADO
2.1. Definición y aplicaciones.
2.2 Medidas de rendimiento.
2.3 Modelos lineales
2.4 Modelos supervisados de ML: árboles, SVM, redes neuronales. Leer más



