Aprendizaje automático y ciencia de datos. (SPOOC. A tu ritmo. Universidad Politécnica de Valencia. edX)

El curso Aprendizaje automático y ciencia de datos es un SPOOC en el que se aprende a valorizar y extraer conocimiento a partir de los datos, usando técnicas y herramientas de análisis de datos genéricas, y aprendizaje automático en particular.

  • Título:  Aprendizaje automático y ciencia de datos.
  • Dirección web: https://www.edx.org/es/course/aprendizaje-automatico-y-ciencia-de-datos
  • Autores: José Hernández-Orallo, María José Ramírez Quintana y Fernando Martínez Plumed.
  •  Entidad promotora: Universidad Politécnica de Valencia – EDX.
  • Tipo de formación: SPOOC (Self-Paced Open Online Course – Curso abierto en línea a tu ritmo).
  • Nivel: intermedio.
  • Idioma: español.
  • Coste: gratuito
  • Emite certificación: sí, homologada por una administración educativa (44 €).
  • Disponibilidad: siempre accesible.
  • Duración: 5 semanas / 4-5 horas a la semana.
  • Requiere registro como usuario: sí.

 

Acerca de este curso

El aprendizaje automático es una habilidad que toma cada vez más relevancia debido al gran número de datos (big data), los cuales deben de ser analizados para tomar decisiones.

En este curso en línea aprenderás los conceptos básicos del aprendizaje automático (machine learning)  y la ciencia de datos. En particular, aprenderás las técnicas necesarias para evaluar el rendimiento de los algoritmos y de los modelos obtenidos. También aprenderás como preprocesar los datos para obtener así modelos de mayor calidad (simples, comprensibles, eficientes, etc.). Por último, en este curso de análisis de datos aprenderás a poner en funcionamiento las técnicas estudiadas mediante un ejemplo práctico programando tus propios scripts y algoritmos en R.

Lo que aprenderás

  • Reconocer el valor de los datos en las organizaciones y las posibilidades de negocio que plantea su explotación para el desarrollo de productos basados en datos (inteligencia de negocios)
  • Utilizar técnicas de aprendizaje automático, entre otras, para extraer modelos descriptivos y predictivos a partir de los datos, así como saber evaluarlos correctamente
  • Conocer y utilizar las herramientas básicas de integración y preparación de datos, incluyendo visualización de datos, para facilitar la comprensión y el análisis de los datos
  • Aprender a utilizar un lenguaje de programación de análisis de datos (lenguaje R) y las librerías básicas de visualización y algunas de las que permiten generar modelos de aprendizaje automático.

Deja un comentario

Tu dirección de correo electrónico no será publicada.