Artificial Intelligence Professional (AIP)
La Inteligencia Artificial (IA) y el Aprendizaje Automático (AM) están revolucionando la forma en que los sistemas interactúan con los datos, permitiendo a las máquinas aprender de experiencias pasadas y hacer predicciones. El sitio Artificial Intelligence Professional (AIP) La certificación proporciona una base sólida en aprendizaje supervisado y no supervisado, agrupación, árboles de decisión, regresión y los conocimientos matemáticos y de programación esenciales para aplicar eficazmente las técnicas de IA.
Los participantes explorarán los fundamentos de la IA, incluyendo K-Nearest Neighbors, regresión lineal, evaluación de modelos y programación en Python con proyectos prácticos guiados.
DIRIGIDO A
Esta certificación está destinada a:
- Cualquier persona interesada en ampliar sus conocimientos sobre Inteligencia Artificial y Aprendizaje Automático
- Ingenieros, analistas y directores de marketing
- Analistas de datos, científicos de datos y administradores de datos
- Profesionales y estudiantes interesados en técnicas de minería de datos, clasificación y clustering.
PROPÓSITO
El objetivo de este curso es:
- Comprender los conceptos básicos de la Inteligencia Artificial y el Aprendizaje Automático
- Explorar técnicas de aprendizaje supervisado y no supervisado
- Aplicar el análisis de datos en los procesos de toma de decisiones
- Familiarizarse con la programación en Python y su uso en IA
- Aprender los fundamentos matemáticos relevantes para los algoritmos de IA
- Evaluar eficazmente los modelos utilizando métricas clave
- Desarrollar proyectos de IA guiados utilizando datos del mundo real
TEMAS PRINCIPALES
El curso está estructurado en seis módulos principales:
I. Fundamentos del aprendizaje automático
- Aprendizaje supervisado, no supervisado y por refuerzo
- Introducción a K-Nearest Neighbors (KNN)
- Distancia euclidiana y aleatoriedad en la clasificación
- Funciones de predicción y modelos de precios medios
- Evaluación del modelo: RMSE, MAE, calidad de las predicciones
- Tratamiento de valores perdidos, normalización y eliminación de características
- Introducción a Scikit-learn
- Proyecto guiado: Predicción del precio de los coches
II. Matemáticas para el aprendizaje automático
- Comprender las funciones lineales y no lineales
- Límites e identificación de puntos extremos
III. Álgebra lineal para el aprendizaje automático
- Resolución de sistemas lineales, vectores y álgebra matricial
- Comprender los conjuntos de soluciones
IV. Regresión lineal en el aprendizaje automático
- Construcción de modelos de regresión lineal
- Selección y transformación de características
- Descenso gradual y mínimos cuadrados
- Proyecto guiado: Previsión del precio de la vivienda
V. Python para el aprendizaje automático
- Regresión logística y evaluación del clasificador
- Clasificación multiclase y sobreajuste
- Fundamentos de la agrupación y algoritmo K-means
- Proyecto guiado: Predicción bursátil
VI. Árboles de decisión
- Funcionamiento de los árboles de decisión y terminología relacionada
- Ventajas y limitaciones
- Poda y construcción de árboles óptimos
- Aplicación de Python
- Proyecto guiado: Previsión de alquiler de bicicletas
Duración:
Duración:
Número de preguntas:
Mínimo aprobatorio:
Idiomas disponibles.
Tercera oportunidad (gratis):
Tomar el examen en línea.
$150.00
