Detalles del Curso
Categoría – Aprendizaje de Máquinas
Dificultad del Curso – Media
Duración del Curso – 33 Horas
Precio – Gratis
Idiomas Disponibles -English (Original), Deutsch (Auto), Svenska (auto), Русский (авто), Ελληνικά (αυτόματο), Português (Brasil) (auto), Italiano (auto), Français (aut.), Magyar (automata), Español (auto), 中文（简体） (自动), العربية (آلي), ไทย (อัตโนมัติ), Українська (авто), Bahasa Indonesia (otomatis), Polski (automatyczny), Nederlands (auto), Türkçe (otomatik), Қазақша (auto)
Descripción General del Curso
Este programa, apto para principiantes, fue diseñado en colaboración entre DeepLearning.AI y Stanford Online, y está dirigido por el reconocido visionario en IA, Andrew Ng y su equipo. Proporciona el punto de partida ideal para cualquiera interesado en dominar las técnicas de aprendizaje de máquinas. Aquí aprenderás a construir y entrenar modelos de predicción y clasificación binaria potentes utilizando Python, aprovechando bibliotecas populares como NumPy y scikit-learn. Ya sea que busques introducirte en la IA o mejorar tus habilidades, este curso te dota de conocimientos prácticos para abordar desafíos reales y abrir las puertas a una carrera gratificante en el dinámico campo del aprendizaje de máquinas.
Temas Cubiertos:
- Construcción de modelos de aprendizaje de máquinas en Python utilizando las populares bibliotecas de aprendizaje de máquinas NumPy y scikit-learn.
- Construcción y entrenamiento de modelos de aprendizaje de máquinas supervisados para tareas de predicción y clasificación binaria, incluyendo regresión lineal y regresión logística.
- Introducción a técnicas modernas de aprendizaje de máquinas, incluyendo aprendizaje supervisado (regresión lineal múltiple, regresión logística, redes neuronales y árboles de decisión) y aprendizaje no supervisado (agrupamiento, reducción de dimensionalidad, sistemas de recomendación).
- Mejores prácticas utilizadas en Silicon Valley para innovación en inteligencia artificial y aprendizaje de máquinas, como la evaluación y ajuste de modelos y un enfoque centrado en datos para mejorar el rendimiento.
Características del Curso:
- Programa amigable para principiantes adecuado para personas con conocimientos básicos de codificación (bucles for, funciones, sentencias if/else) y matemáticas a nivel de secundaria (aritmética, álgebra).
- Aproximadamente 33 horas para completar el curso.
- 100% en línea, lo que permite a los alumnos comenzar de inmediato y aprender a su propio ritmo.
- Incluye proyectos de aprendizaje práctico a través de Coursera Labs para obtener experiencia práctica.
Resultados Clave del Aprendizaje:
Al concluir este curso, habrás:
- Asimilado los conceptos clave del aprendizaje de máquinas supervisado y ganado una sólida comprensión de cómo construir modelos de predicción y clasificación binaria.
- Adquirido destreza en el uso de bibliotecas populares de aprendizaje de máquinas NumPy y scikit-learn en Python para construir modelos de aprendizaje de máquinas.
- Desarrollado habilidades en técnicas de regularización para evitar sobreajustes.
- Aprendido sobre el descenso de gradiente y su aplicación en el aprendizaje de máquinas.
- Adquirido conocimientos prácticos para aplicar el aprendizaje de máquinas a desafíos reales del mundo.
Público Objetivo:
Este curso es ideal para:
- Personas interesadas en adentrarse en el campo de la inteligencia artificial y el aprendizaje de máquinas.
- Profesionales que buscan construir una carrera en el aprendizaje de máquinas y la IA.
- Estudiantes y aprendices con una comprensión básica de codificación y matemáticas que deseen explorar técnicas modernas de aprendizaje de máquinas.
Acreditación:
Este curso es ofrecido por DeepLearning.AI en colaboración con Stanford Online. Los alumnos recibirán un certificado compartible al completar el curso, el cual demuestra su dominio de las técnicas de aprendizaje de máquinas supervisado y la capacidad de construir modelos de aprendizaje de máquinas en Python.
Ver Curso
LEE MÁS ARTÍCULOS SOBRE: Cursos IA.
LEE LA ENTRADA ANTERIOR: Diseño de rutas para personas con discapacidad visual a través del aprendizaje automático.