Programa del Curso

Resumen de la IA en Python

  • Conceptos clave y alcance de la IA
  • Bibliotecas de Python para el desarrollo de IA
  • Estructura del proyecto de IA y flujo de trabajo

Preparación de Datos para la IA

  • Limpieza, transformación y ingeniería de características de los datos
  • Gestión de datos faltantes y desequilibrados
  • Escala de características y codificación

Técnicas de Supervised Learning

  • Algoritmos de regresión y clasificación
  • Métodos en ensambles: Random Forest, Gradiente Boosting
  • Ajuste de hiperparámetros y validación cruzada

Técnicas de Unsupervised Learning

  • Métodos de agrupamiento: K-Means, DBSCAN, agrupamiento jerárquico
  • Reducción de dimensionalidad: PCA, t-SNE
  • Casos de uso para el aprendizaje no supervisado

Neural Networks y Deep Learning

  • Introducción a TensorFlow y Keras
  • Construcción y entrenamiento de redes neuronales feedforward
  • Optimización del rendimiento de las redes neuronales

Reinforcement Learning (Intro)

  • Conceptos básicos de agentes, entornos y recompensas
  • Implementación de algoritmos básicos de aprendizaje por refuerzo
  • Aplicaciones del aprendizaje por refuerzo

Despliegue de Modelos de IA

  • Guardado y carga de modelos entrenados
  • Incorporación de modelos en aplicaciones mediante APIs
  • Supervisión y mantenimiento de sistemas de IA en producción

Resumen y Próximos Pasos

Requerimientos

  • Comprensión sólida de los fundamentos del programa Python
  • Experiencia con bibliotecas de análisis de datos como NumPy y pandas
  • Conocimientos básicos de conceptos y algoritmos de aprendizaje automático

Audiencia

  • Desarrolladores de software que buscan expandir sus habilidades en el desarrollo de IA
  • Analistas de datos buscando aplicar técnicas de IA a conjuntos de datos complejos
  • Profesionales de I+D construyendo aplicaciones impulsadas por IA
 35 Horas

Testimonios (3)

Próximos cursos

Categorías Relacionadas