Tokio School

Machine Learning

El Machine Learning nació del reconocimiento de patrones, pero hoy en día nos permite desarrollar aplicaciones que mejoran su rendimiento, “aprendiendo” a partir de datos recopilados en situaciones pasadas. En este campo de especialización de Python podrás aplicar Machine Learning a proyectos reales, incluyendo la preparación y las tareas relacionadas, el despliegue en producción y el ciclo de vida de un modelo.

  • Introducción a la Inteligencia Artificial
    • Introducción a la Inteligencia Artificial
    • Introducción al Machine Learning
    • Introducción al Deep Learning
  • La IA y la resolución de problemas
    • Resolver problemas
    • Algunos tipos de problemas
  • Búsqueda no informada
    • Búsqueda
      • Representación de estados: árboles y grafos
    • Búsqueda en Amplitud
    • Búsqueda en Profundidad
    • Búsqueda de Coste Uniforme
  • Búsqueda informada
    • Función Heurística
    • Búsqueda con vuelta atrás
    • Algoritmo A*
    • Búsqueda Local
      • Algoritmos constructivos (Dijkstra, Clarke y Wrigt)
  • La IA y los juegos
    • El algoritmo minimax
    • Poda alfa-beta
  • El Razonamiento
    • Sistemas Expertos
    • Sistemas Difusos
  • El Aprendizaje
    • Clasificación probabilística
    • Redes Neuronales artificiales
        • Redes neuronales multicapa
        • Red de Hopfield
  • Introducción a la ciencia de datos
  • El proceso de la ciencia de datos
    • Definición del objetivo del proyecto
    • Obtención de los datos de cualquier fuente posible
    • Limpieza y preparación de los datos para que nuestro software lo entienda
    • Exploración de los datos en busca de patrones utilizando algoritmos matemáticos y estadísticos
    • Definición y construcción de los modelos de predicción
    • Representación de resultados útiles
  • Minería de datos
  • Introducción a las principales librerías
    • Numpy
    • Pandas
    • ScikitLearn
    • Otras
  • ¿Qué es?
  • Algunos de sus poryectos
  • Proyecto 1
    • Definición del objetivo del proyecto
    • Obtención de los datos de cualquier fuente posible
    • Limpieza y preparación de los datos para que nuestro software lo entienda
    • Exploración de los datos en busca de patrones utilizando algoritmos matemáticos y estadísticos
    • Definición y construcción de los modelos de predicción
    • Representación de resultados útiles
  • Proyecto 2
    • Definición del objetivo del proyecto
    • Obtención de los datos de cualquier fuente posible
    • Limpieza y preparación de los datos para que nuestro software lo entienda
    • Exploración de los datos en busca de patrones utilizando algoritmos matemáticos y estadísticos
    • Definición y construcción de los modelos de predicción
    • Representación de resultados útiles

Un cliente, una compañía de suministros informáticos, ha pedido a la empresa para la que trabajamos que desarrolle una aplicación web que le ayude con la gestión de sus productos y proveedores. Por lo tanto, debemos poner en marcha una aplicación que nos sirva de base de datos, pero también de gestión. Una vez realizada, la adaptaremos a ciertos requisitos que se plantearán para incluir la Inteligencia Artificial en el sistema y poder así mejorarlo.