Udemy – Machine Learning para Investigación

Udemy – Machine Learning para Investigación con WEKA. De 0 a Experto – Entre los diferentes software que existen de machine learning automatizado, destaca, sobre todos los demás, Weka Workbench, que es un software libre y gratuito. Este potente software nos ofrece un amplio espectro de opciones para utilizar machine learning sobre cualquier conjunto de datos que tengamos, ya sea de nuestros experimentos u obtenidos de diferentes bancos de datos libres, de manera muy sencilla, sin tener grandes conocimientos sobre el modelo matemático de un algoritmo y, lo más interesante, sin conocimientos de programación.

Son ocho unidades temáticas, en las que contará con vídeos, actividades, temario, foros que le ayudarán a realizar el curso de manera eficiente y entretenida.

Este curso se enfoca en un subcampo específico de la minería de datos llamado modelado predictivo. Este es el campo de la minería de datos que es el más útil en la industria e investigación siendo estas técnicas las más potente y necesarias que un investigador debe tener en su fase de de desarrollo.

Machine Learning para Investigación con WEKA. De 0 a Experto

Peso: 8.01 GB | Idioma: Español | Instructor: Álvaro García, Manuel Castillo-Cara, Formación Certificada| Formato: MP4|| Clases: 76 clases | Duracion: 18:50:37| Fecha de la última actualización: Fecha de la última actualización: 1/2020 | Incluye material adicional

En este contexto, el curso pretende otorgar a los estudiantes los conceptos básicos e intermedios relacionados al análisis y tratamiento de datos pero llevando este proceso más allá pudiendo aplicar algoritmos basados en aprendizaje, es decir, Machine Learning. Para ello, el curso hará uso de un sistema muy utilizado en cualquier ámbito y línea de investigación como es Weka. Weka es una plataforma de muy sencillo uso que nos permite utilizar todos los conceptos de Minería de datos sin tener que saber programar, es decir, es una plataforma específicamente desarrollara para cualquier investigador que requiera de estas técnicas pero que no tiene un base previa computacional.

Curso Virtual el curso es virtual para poder llevarlo a cabo se tiene el siguiente esquema:

Lectura del material el EVD. Los participantes debe leer y revisar los contenidos teóricos que se tienen en el EVD, correspondiente a cada unidad.

Visualización de Videos. Como ayuda al aprendizaje se tienen videos para cada unidad, los cuales deben ser visualizados por el alumnado.

Autoaprendizaje. Se debe resolver el material para refuerzo y aplicación de los contenidos teóricos/prácticos antes de la evaluación.

Sofware de trabajo. Se utilizará el software libre Weka Workbench.

Foro de consultas. Este espacio está destinado para que los estudiantes formulen sus preguntas con respecto a la temática desarrollada y el docente tutor será el responsable de absolver sus interrogantes.

¿Para quién es este curso?

Aquellos usuarios del programa que quieran ampliar el dominio de mismo y conocer múltiples trucos, consejos y recursos para esta herramienta.
Estudiantes que quieran acceder a una formación innovadora orientada a la metodología de trabajo del mundo laboral, en un formato de e-learining para aprender donde quieran y a su propio ritmo.
Además, el curso está diseñado para que cualquier estudiante universitario, investigador o tecnólogo que se encuentre realizando o necesite realizar diferentes experimentos a través de grandes conjuntos de datos para poder sintetizarlos en alguna salida predictiva puedan utilizar los muy diferentes recursos de machine learning que nos pone a nuestra disposición el software Weka Workbench.
El curso de Machine learning para la investigación está dirigido a personas que tengan pocos conocimientos de machine learning y quieran adentrarse a este apasionante mundo de dentro del campo de modelado predictivo.
Sobre todo aquellas personas en crecer profesionalmente, aumentar sus habilidades y formar parte de nuestra comunidad educativa.

Unidad 1: Introducción
1. Conceptos básicos de machine learning.
2. Weka Workbench como nuestro entorno de machine learning.
3. Conclusiones.
Unidad 2: Minería de datos en Weka
1. Planeles en Weka.
2. Conociendo nuestros datos en los paneles de Weka.
3. Conclusiones.

Unidad 3: Pre-análisis y pre-tratamiento de datos
1. Clasificación de datos en machine learning.
2. Conjunto de datos para machine learning.
3. Pre-análisis de datos.
4. Conclusiones.

Unidad 4: Pre-procesamiento de datos para machine learning
1. Normalización y estandarización de los datos.
2. Transformar los datos de machine learning.
3. Manejar valores perdidos en los datos de machine learning.
4. Conclusiones.

Unidad 5: Análisis de datos en machine learning
1. Future Selection en machine learning.
2. Uso de algoritmos de machine learning.
3. Estimar el resultado de los algoritmos.
4. Estimar una línea base de los resultados.
5. Conclusiones.

Unidad 6: Fase de modelado en machine learning
1. Algoritmos de clasificación.
2. Algoritmos de regresión.
3. Algoritmos ensamblados.
4. Conclusiones.

Unidad 7: Fase ‘Tuning’ en machine learning
1.Comparar el rendimiento de los algoritmos.
2. ‘Tunear’ los parámetros (hiperparámetros) de los algoritmos.
3. Guardar nuestros modelos y hacer predicciones.
4. Conclusiones.

Unidad 8: Proyectos en machine learning
1. Trabajar un proyecto de clasificación multiclase.
2. Trabajar un proyecto de clasificación binario.
3. Trabajar un proyecto de regresión.
4. Conclusiones

Udemy – Machine Learning para Investigación con WEKA. De 0 a Experto

Para ver los enlaces necesitas estar Registrado

Udemy – Machine Learning para Investigación con WEKA. De 0 a Experto

MEGA |PIXELDRAIN | 1FICHIER | 7-UP | TELEGRAM

www.bacterias.mx

Udemy