WhatsApp

80% OFF en todos los cursos Asíncronos Hasta el 16 de Febrero

Días
Horas
Minutos
Segundos

MACHINE LEARNING CON PYTHON Y R STUDIO

Modalidad

Certificación

120 Horas Pedagógicas

39 Horas Cronológicas

Requisitos técnicos

Hardware requerido

RAM: mínimo 8 GB Procesador: 32 o 64 bits x86, 1 gigahercio (GHz) o superior

Software requerido:

Windows 10

Conocimientos Previos:

Programación en Python y R

Beneficios

MATERIAL ESPECIALIZADO: Documentos, videos y ejercicios práctico.

FLEXIBILIDAD: Todas las clases en vivo se resuben a nuestras redes sociales, para que puedas estudiar a tu propio ritmo.

CERTIFICACIÓN INMEDIATA: Certificado digital con reconocimiento de la CCL-Asociado y Econodata Soluciones Perú.

PARTICIPACIÓN ACTIVA: Resolución de dudas con instructores expertos en datos.

APLICACIONES PRÁCTICAS: Análisis de datos con casos reales y simulaciones efectivas.

🟢Módulo 1: Fundamentos de Python y Rstudio

  1. 🔶Introducción a Python y R Studio.
  2. 🔶Manipulación de datos con Pandas.

🟢Módulo 2: Pre tratamiento de bases de datos

  1. 🔶Operaciones matemáticas y álgebra lineal
  2. 🔶Gráficas y visualizaciones básicas con Matplotlib y Seaborn.

🟢Módulo 3: Balanceo de base de datos 1

  1. 🔶Identificación y tratamiento de valores
  2. 🔶Transformación de variables categóricas (One-Hot Encoding y Label Encoding).

🟢Módulo 4: Balanceo de base de datos 2

  1. 🔶Balanceo de datos desbalanceados.
  2. 🔶Normalización y estandarización de datos.

🟢Módulo 5: Análisis de componentes principales (ACP)

  1. 🔶Introducción al aprendizaje no supervisado.
  2. 🔶Reducción de dimensionalidad: Análisis de Componentes Principales (ACP/PCA).

🟢Módulo 6: ACP y Modelos de Clustering

  1. 🔶Modelos de clustering: K-Means y DBSCAN.
  2. 🔶Interpretación y visualización de resultados.

🟢Módulo 7: Regresión Lineal

  1. 🔶Introducción a la regresión lineal.
  2. 🔶Modelo de Regresión lineal.
  3. 🔶Evaluación del modelo.

🟢Módulo 8: Regresión Lineal Múltiple

  1. 🔶Regresión múltiple y selección de variables.
  2. 🔶Evaluación del modelo: MSE, RMSE y R-cuadrado.

🟢Módulo 9: Regresión Logística

  1. 🔶Concepto de regresión logística.
  2. 🔶Diferencias con la regresión lineal.
  3. 🔶Curva ROC y métricas de clasificación: Accuracy, Precision, Recall y F1-Score.

🟢Módulo 10: Análisis discriminante Lineal y análisis Factorial

  1. 🔶Análisis Discriminante Lineal (LDA): Uso en problemas de clasificación.
  2. 🔶Análisis Factorial: Diferencias con PCA y interpretación de factores.

🟢Módulo 11: Arboles de decisión / Random Forest

  1. 🔶Construcción de un árbol de decisión.
  2. 🔶Importancia de las variables.
  3. 🔶Random Forest: Concepto de ensambles (bagging) / Ventajas y desventajas.

🟢Módulo 12: Redes Neuronales

  1. 🔶Conceptos básicos: Neuronas, pesos, bias y Funciones de activación (ReLU, Sigmoid, Tanh).
  2. 🔶Arquitectura de una red neuronal: Capas de entrada, ocultas y de salida.
  3. 🔶Forward Propagation y Backward Propagation.
  4. 🔶Función de costo y optimización (SGD, Adam).
  5. 🔶Ajuste de hiperparámetros (tasa de aprendizaje, épocas, batch size).

Precio del Curso

S/149.00

*PRONTO PAGO VÁLIDO HASTA EL 28 DE MARZO*

Docente

Est. Jorge Aquino

+10 AÑOS DE EXPERIENCIA

Licenciado en Estadística (UNMSM), Maestrante en Ciencia de Datos (UC), Programación Especialista en Análisis Estadístico para Proyectos de Investigación Científica Multidisciplinar Ingenierías, entre otras áreas para diversas universidades. Formación integral en herramientas avanzadas de análisis de datos y visualización, destacando en diversas plataformas y lenguajes de programación.