Machine Learning Aplicado: de los datos a modelos que funcionan en producción
Aprende a elegir, entrenar, validar y desplegar modelos de machine learning en casos reales, con el Prof. Daniel Medina y el equipo de IA de CUANTICO.
- Idioma
- Se dicta en español
- Modalidad
- 100 % en línea, a tu ritmo
- Acceso
- Gratuito
- Duración
- 6 h 11 min
- Contenido
- 11 secciones y 63 lecciones, con proyecto integrador final
- Nivel
- Intermedio: requiere experiencia en análisis de datos
- Instructor
- Daniel Medina, con el apoyo del equipo de IA de CUANTICO
De qué se trata
La mayoría de cursos enseñan algoritmos; este enseña a decidir. En 6 horas y 63 lecciones pasas de la formulación del problema a un modelo defendible y monitorizado en producción: predicción, segmentación, detección de anomalías, recomendación y series temporales, siempre con criterios de rendimiento, interpretabilidad, costo y riesgo.
Para quién es
- Analistas de datos con experiencia que quieren dar el salto a machine learning aplicado.
- Equipos de BI y analítica en empresas y entidades públicas que necesitan justificar decisiones de modelado.
- Profesionales técnicos que ya usan Python o SQL y quieren llevar modelos a producción.
Qué aprendes
Al terminar podrás:
- Elegir la técnica adecuada según el objetivo, los datos y las restricciones.
- Construir y validar modelos supervisados y no supervisados con procesos reproducibles y métricas correctas.
- Comparar modelos por rendimiento, interpretabilidad, costo, robustez y riesgo de sobreajuste.
- Resolver casos de predicción, segmentación, anomalías, recomendación y series temporales.
- Diseñar una solución defendible, desde la formulación del problema hasta la monitorización en producción.
Habilidades
- Selección de modelos
- Modelos supervisados
- Modelos no supervisados
- Validación y métricas
- Series temporales
- Explicabilidad
- MLOps
Temario
11 secciones y 63 lecciones.
| Sección | Lecciones | Qué te llevas |
|---|---|---|
| 1. Mapa del machine learning | 1 | Visión general y ruta del curso |
| 2. Datos para modelar | 3 | Preparar datos listos para entrenar |
| 3. Modelos supervisados | 8 | Regresión y clasificación en la práctica |
| 4. Validación y rendimiento | 7 | Métricas correctas y control del sobreajuste |
| 5. Aprendizaje no supervisado | 8 | Clustering, reducción de dimensión y patrones |
| 6. Casos de uso prioritarios | 6 | Predicción, segmentación y anomalías |
| 7. Series temporales | 7 | Pronóstico con datos en el tiempo |
| 8. Aprendizaje profundo aplicado | 8 | Cuándo usar redes neuronales (y cuándo no) |
| 9. Recomendación y personalización | 6 | Sistemas de recomendación aplicados |
| 10. Confianza y producción | 8 | Explicabilidad, MLOps y monitorización |
| 11. Proyecto integrador | 1 | Una solución completa y defendible |
Instructor
Daniel Medina es cofundador, CEO y Director Científico de CUANTICO y dirige CuantaIA, grupo de investigación reconocido por MinCiencias, con el apoyo del equipo de IA de CUANTICO, con investigadores en Bogotá, Cali, Cartagena, Manizales, Estados Unidos y España.
Empieza hoy, gratis
El curso es gratuito, en línea y a tu ritmo.