Python Para Machine Learning

Profesionales que por sus funciones deben manejarse en los modelos de Machine Learning

• Implementar modelos de aprendizaje no supervisado a través de librerías de Python
• Visualizar diferentes tipos de variables en una base de datos utilizando librerías de Python
• Emplear modelos de redes neuronales artificiales básicas
• Diseñar modelos de aprendizaje supervisado basados en regresiones
• Comprender aspectos formales de modelos de aprendizaje supervisado tradicionales, experimentando y comparando su rendimiento

• - Conocimiento matemático (algebra lineal, estadística básica y cálculo). - Manejo básico de Office e Internet. - Equipo computacional, con acceso a internet. - Tener conocimientos básicos (a nivel de usuario) sobre el manejo de programas computacionales en ambiente operativo Windows y navegación por internet. - Tener instalado en el computador un navegador como Explorer, Mozilla o Chrome

La modalidad de capacitación es e-learning asincrónica, por lo que los participantes accederán a una plataforma educativa virtual (LMS). Las actividades se desarrollan en forma remota, lo que permite entregar flexibilidad en los horarios, de manera que cada participante pueda distribuir su tiempo y ser autónomo en su proceso de aprendizaje. No obstante, el proceso de enseñanza-aprendizaje se acompañará con un tutor, quien tendrá un rol de mediador y facilitador, ofreciendo apoyo a los participantes en aspectos técnicos y también administrativos durante la actividad de capacitación. Respecto a las estrategias de enseñanza - aprendizaje, se utilizarán videoclases, screencast y clases interactivas para la presentación de contenidos y actividades de aplicación que serán desarrolladas a partir de cuestionarios y tareas, dirigidas a que los participantes resuelvan problemas/situaciones aplicando los conocimientos aprendidos y comprobar la comprensión de los contenidos a través de test aut

Se realizarán 3 controles individuales sobre los contenidos del curso con una ponderación del 13,3% cada uno, calificados en escala de 1 a 7, dónde la nota mínima es 4.0 y con un nivel de exigencia del 60%. Corregidos con pauta de evaluación. Se realizarán 3 miniproyectos calificados en escala de 1 a 7, dónde la nota mínima es 4.0 y con un nivel de exigencia del 60%. Corregidos con pauta de evaluación. Miniproyectp 1: se pondrán en práctica el procesamiento de datos en Python. Pondera el 15%. Miniproyecto 2: se pondrán en práctica la implementación de modelos de aprendizaje supervisado. Pondera el 15%. Miniproyecto 3: se pondrán en práctica la aplicación del algoritmo k-means utilizando librerías Python. Pondera le el 30%.