Profesionales del análisis de datos interesados en comprender los fundamentos de los modelos basados en Árboles de Decisión.
CURSO DE NIVEL INTERMEDIO
- Es necesario contar con conocimientos previos sobre Python.
Comentarios:
Aprende a resolver problemas de clasificación y regresión con algoritmos basados en árboles de decisión. Crea modelos de árboles en paralelo. Leer más
El curso definitivo para dominar los modelos basado en Árboles de Decisión con Python
Competencias:
Con aplicación directa a tu día a día profesional
Enfoque práctico:
La práctica hace al maestro
El Curso de Árboles de Decisión con Python, es un programa práctico impartido con la metodología exclusiva de Máxima Formación, 100% on-line y learn by doing (aprender haciendo).
¿Por qué es único?
Porque está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos cuyo objetivo es transformar el saber en habilidades prácticas avanzadas con aplicación directa a su operativa con los datos.
Nuestro programa formativo con enfoque práctico:
Garantiza una curva de aprendizaje progresiva y se adapta a tu nivel de desempeño. Pone el énfasis en el seguimiento diario de tus necesidades de aprendizaje particulares. Disfrutas de un asesoramiento de calidad que te permite aplicar los nuevos conocimientos, desde el primer día.
Un curso práctico orientado a estudiantes, profesionales, investigadores y PhD interesados en mejorar tus modelos de aprendizaje automático con árboles de decisión con el lenguaje de programación Python:
Árboles de Decisión. Modelos Bagging. Modelos de Boosting. Intrepretación de modelos de Caja Negra.
Claustro docente
El seguimiento personalizado es uno de nuestros puntos fuertes.
En este curso contarás con el asesoramiento y las tutorías ilimitadas de un docente experto que va compartir contigo todo su conocimiento y su experiencia en el desarrollo de proyectos de Machine Learning con Phyton.
Ignacio García Ignacio García
Analista de Riesgos con más de 10 años de experiencia en la creación de modelos de riesgo, marketing y mejora de procesos, aplicando métodos de Machine Learning. Su capacidad para conjugar aspectos de negocio y técnicos lo convierte en el docente idóneo para esta formación especializada.
Metodología:
100% on-line y learn by doing.
Marca tu propio ritmo de aprendizaje, donde y cuando quieras, de forma progresiva y con la flexibilidad que te ofrece nuestra metodología con evaluación continua:
- Tutorización personalizada. Con el apoyo individualizado de un docente comprometido con tus necesidades de aprendizaje. Consulta sin límites. - Enfoque Learn by doing. Pon en práctica los nuevos conocimientos analizando casos reales completamente aplicables a tu realidad profesional. - A tu ritmo. Aprende cuándo y dónde quieras, marca tu propio ritmo de aprendizaje, sin fechas ni plazos de entrega. - Contenidos de calidad. Evoluciona paso a paso con materiales didácticos, actualizados y prácticos aplicables a tus proyectos profesionales. - Evaluación continua. Basada en el apoyo individualizado del alumno para garantizar la comprensión de conceptos y su capacidad técnica para resolver los ejercicios propuestos. - Recursos. Materiales audiovisuales, guías prácticas y bibliografía complementaria, para ir más allá en tu desempeño.
Profesorado:
En este curso contarás con el asesoramiento y las tutorías ilimitadas de un docente experto que va compartir contigo todo su conocimiento y su experiencia en el desarrollo de proyectos de Machine Learning con Phyton.
- Ignacio García Analista de Riesgos con más de 10 años de experiencia en la creación de modelos de riesgo, marketing y mejora de procesos, aplicando métodos de Machine Learning. Su capacidad para conjugar aspectos de negocio y técnicos lo convierte en el docente idóneo para esta formación especializada.
Titulación que se obtiene:
Tras finalizar esta formación recibirás un diploma expedido por Máxima Formación como garantía de aprovechamiento del curso.
- Inicio: Todo el año - Plazo de Matrícula: Abierto
Lo que aprenderás: - Introducción al Machine Learning. - Árboles de Decisión individuales. - Métricas para modelos de regresión y clasificación. - Árboles de Decisión con Python. - Tree Pruning. - Búsqueda de hiperparámetros. - Ejemplos de problemas de regresión y clasificación resueltos. Leer más
TEMA 2. MODELOS DE BAGGING
Lo que aprenderás: - Introducción a los modelos ensembles. - Modelos de Bagging (Bootstrap Aggregation). - Modelos de Random Forest. - Búsqueda de hiperparámetros. - Ejemplos de problemas de regresión y clasificación resueltos.
TEMA 3. MODELOS DE BOOSTING
Lo que aprenderás: - Introducción a los modelos de Boosting. - Gradient Boosting Tree. - XGBoost. - LightGBM - CatBoost - Búsqueda de hiperparámetros. - Ejemplos de problemas de regresión y clasificación resueltos.
TEMA 4. INTERPRETACIÓN DE MODELOS DE BLACK BOX
Lo que aprenderás: - Interpretación de modelos de Caja Negra (Black Box). - Importancia de las variables por Permutación. - Dependencia Parcial. - Método de interpretación: LIME. - Método de interpretación: SHAP. - Ejemplos de problemas de regresión y clasificación resueltos.Leer menos
Máxima Formación
Contacta con el centro para más información
Es gratis y sin compromiso
Deja tu opinión