Pasar al contenido principal
Programa

Retos en Machine Learning e Inteligencia Artificial

¿QUIERES SOLICITAR INFORMACIÓN?
CONCEPTOS
CLAVE
1
SESIONES I Y II
2
SESIONES III Y IV
Matrícula
Modalidad:Presencial
Edición:III
Inicio: 08/05/2020
Fin Preinscripción: 08/05/2020
Edición:I-GT
Inicio: 06/07/2020
Fin Preinscripción: 06/07/2020
Plazas limitadas Asegura tu participación formalizando tu reservaaquí
Matricúlate ahora
Descripción

La capacidad de extraer información relevante de los datos ha sido, desde hace años, el objetivo de las grandes compañías. Gracias a los avances tecnológicos, procesar de forma eficiente la gran cantidad de datos que tanto dispositivos, como individuos vamos generando es, sin duda, la combinación perfecta para la actividad de Data Science.

El objetivo es extraer conocimiento a partir de los datos y dar respuesta a las, cada vez más complicadas, preguntas de negocio. Esto requiere conocer herramientas y técnicas avanzadas.

Analizar, visualizar e interpretar los datos es algo indispensable para cualquier empresa que quiera competir en el mercado. En el curso, vamos a hacer un repaso a diferentes técnicas, plataformas y herramientas que permitan aplicar Machine Learning en un entrono escalable. Predicciones en tiempo real, segmentaciones sobre volúmenes muy grandes de datos, análisis sobre documentos o información no estructurada, sistemas de recomendación etc. Se irán introduciendo conceptos y problemáticas que plantea el uso de la Inteligencia Artificial en las empresas y la vida de las personas.

Información

Objetivos

En este curso, el alumno será capacitado para:

1. Conocer los principales retos que Machine Learning tiene en un entorno Big Data.
2. Qué técnicas de análisis ofrecen los mejores resultados y cómo ponerlas en práctica.
3. Conocer algunos de los entornos de trabajo en los que implementar estas técnicas.
4. A través de ejemplos prácticos, el alumno podrá adquirir los conocimientos necesarios para trabajar en entornos de análisis on-premise o cloud, así como con flujos de datos en streaming o procesos batch. 

Metodología

1. Se combinan las exposiciones teóricas con las prácticas, de forma que se vea la aplicación de la teoría y sus resultados.
2. Los participantes realizarán casos prácticos en entornos con máquinas virtuales y/o entornos cloud, guiados por el profesor.
3. Los alumnos debatirán también ciertos casos de forma tutorizada.

PROFESORES

MÓDULOS

Data Science es una actividad consolidada hasta el punto de que en algunos países existe ya el grado académico de Científico de datos (Data Scientist) cuyo trabajo consiste en extraer conocimiento a partir de los datos y dar respuesta a complicadas preguntas y predicciones basándose en técnicas avanzadas de análisis estadístico y modernas herramientas de visualización.

Pero al mismo tiempo y de forma paralela al progreso de la tecnología, surgen nuevos retos y usos del aprendizaje automático que hasta hace poco eran inimaginables. Por ejemplo, ya se da por hecho que la conducción autónoma, que usa profundamente técnicas de Machine Learning, será ampliamente usada en un futuro próximo.

En este curso veremos:

  • Deep Learning.
  • Meta Learning.
  • Data Science en el entorno Big Data.
  • MLlib.
  • H2O.
  • Procesamiento de lenguaje natural y análisis de sentimiento.
SESIONES I Y II
  • Conceptos Generales Inteligencia Artificial.
  • Herramientas de trabajo.
  • Scikit-Learn.
  • NPL con NLTK.
  • Problemática y contexto de ML en Big Data.
  • SparkML MLlib.
  • Prácticas guiadas.
SESIONES III Y IV
  • Redes Neuronales.
  • Deep Learning.
  • Keras sobre TensorFlow.
  • H2O. Auto ML.
  • Machine Learning as a service. BigML.
  • Prácticas guiadas.
  • Caso práctico final.
PROG-BE-RETOS-MACHINE-LEARN-III
CAPTCHA
Esta pregunta se hace para comprobar que usted es una persona real e impedir el envío de spam.
A lo largo de nuestros más de 25 años de vida,
más de 13.000 alumnos han confiado
en la excelencia y la calidad de la formación de ENAE Business School.
Matricúlate ahora

COMPÁRTELO