Curso Intermedio de Ciencia de Datos e Inteligencia Artificial

El curso intermedio en ciencia de datos e inteligencia artificial pretende integrar herramientas de Microsoft para el tratamiento de datos, cómo PowerBI. Además, pretende elementos de inteligencia artificial como el aprendizaje supervisado y no supervisado. El curso se orientará de manera híbrida, de forma presencial en el IA.Center (hasta 40 personas) y vía teams sin límite de acceso.

Inicia sesión para inscribirte Descargar información (PDF Flyer)

Inicio

25/09/2023

Duración

36 horas

Dedicación

6 horas por semana

Precio

Beca BOSCH

Idioma

Español

Modalidad

Curso masivo en línea

Horarios

Jueves 4 a 7 pm, Sábado 1 a 4 pm. Vía Teams (Hora Ciudad Juárez)

Inicia 25/09/2023

Prerequisitos

• Haber terminado y aprobado el curso básico de ciencia de datos con Python y Anaconda.

Requisitos

• Estudiantes universitarios. • Deseable estar en los últimos semestres.

Perfil de ingreso

La persona tiene conocimiento del lenguaje Python, de las librerías Pandas, Matplotlib/Seaborn y ggplot. El estudiante conoce los fundamentos de ciencia de datos para realizar limpieza de datos, visualización y análisis exploratorio.

Perfil de egreso

La persona tiene los conocimientos o habilidades para realizar limpieza de datos, visualización y análisis exploratorio, también conoce las técnicas de aprendizaje automático para resolver problemas de regresión, clasificación, agrupación y reducción de dimensionalidad.

Obtén certificados oficiales

Certificado IA.Center/BOSCH Data Science

Certificado IA.Center/BOSCH Data Science

Contenido del curso

Ciencia de datos con power BI (6 h)

• Carga de datos en power BI
• Limpieza de datos en power BI
• Visualización de datos en power BI

Fundamentos para Machine Learning (5 h)

• Introducción
• Problemas que resuelve
• Funciones de coste y optimización
• Validación cruzada
• Varianza y sesgo

Aprendizaje supervisado (5 h)

• Clasificación
• Regresión
• Sets de entrenamiento vs prueba
• Estandarización de datos
• Overfitting vs Underfitting

Aprendizaje no supervisado (5 h)

• Clustering
• Reducción de dimensionalidad
• Preprocesamiento

Redes neuronales (10 h)

• Perceptron
• Redes multicapa
• Regresión con redes neuronales
• Clasificación con redes neuronales
• Redes convolucionales
• Transfer learning

Caso de estudio (5 h)

• Integrar ciencia de datos y Machine Learning

Ciencia de Datos para Todos 2023