Machine Learning

Costo (precio al público): $3.500.000

140 horas

Fecha de inicio: AGOSTO 2024

El diplomado "Fundamentos avanzados en machine learning" ofrece una comprensión profunda y práctica de los conceptos y técnicas esenciales en el campo del aprendizaje automático. Aborda temas avanzados como algoritmos de aprendizaje supervisado y no supervisado, redes neuronales, aprendizaje profundo, y procesamiento de grandes volúmenes de datos. Los participantes adquirirán habilidades para implementar modelos de machine learning, evaluar su rendimiento y aplicarlos a problemas del mundo real. Este programa está diseñado para profesionales con conocimientos básicos en programación y estadística que buscan especializarse en este campo emergente y altamente demandado.

Perfil del estudiante

Este diplomado está diseñado para profesionales y estudiantes del sector empresarial y académico con conocimientos previos en programación y bases matemáticas, que deseen profundizar en el campo del aprendizaje automático. Está dirigido a programadores, ingenieros, científicos de datos y cualquier persona interesada en aplicar técnicas de machine learning en diferentes contextos, como la industria, la investigación o el desarrollo de productos tecnológicos.

Objetivo General

Brindar a los participantes un conocimiento sólido y profundo de los principios, técnicas y aplicaciones del aprendizaje automático (Machine Learning), centrándose en el desarrollo de habilidades avanzadas para la implementación y evaluación de modelos predictivos.

Objetivos Específicos:

Adquirir conocimientos sólidos sobre los principios y algoritmos de regresión lineal y clasificación. Explorar y comprender el funcionamiento de redes neuronales, incluyendo LSTM y redes convolucionales.

Desarrollar habilidades para la implementación y evaluación de modelos de machine learning.

Aplicar técnicas avanzadas de aprendizaje no supervisado para la exploración y análisis de datos.

Contenido del curso

Módulo 1: Preprocesamiento de Datos y Fundamentos de Machine Learning (25 horas)

Submódulo 1.1: Introducción al aprendizaje automático y conceptos básicos.
Submódulo 1.2: Exploración y limpieza de datos.
Submódulo 1.3: Manejo de valores faltantes y outliers.
Submódulo 1.4: Escalado y normalización de datos.
Submódulo 1.5: Ingeniería de características: selección y creación de variables relevantes.

Módulo 2: Modelos de Regresión y Clasificación (30 horas)

•Submódulo 2.1: Regresión polinómica y regularización.
•Submódulo 2.2: Modelos de clasificación: regresión logística, árboles de decisión, entre otros.
•Submódulo 2.3: Validación cruzada y selección de modelos.
•Submódulo 2.3: Aplicaciones prácticas en problemas de regresión y clasificación.

Módulo 3: : Introducción a Redes Neuronales Artificiales (30 horas)

•Submódulo 3.1: Conceptos básicos de redes neuronales.
•Submódulo 3.2: Arquitectura y entrenamiento de perceptrones y redes neuronales feedforward.
•Submódulo 3.3: Implementación de redes neuronales en Python utilizando bibliotecas como TensorFlow o Keras.
•Submódulo 3.4: Casos prácticos de aplicaciones de redes neuronales en problemas de clasificación y regresión.

Módulo 4: Redes Neuronales Convolucionales y LSTM (30 horas)

•Submódulo 4.1:Arquitectura y entrenamiento de redes neuronales convolucionales para el procesamiento de imágenes.
•Submódulo 4.2: Redes neuronales recurrentes: LSTM (Long Short-Term Memory) para el procesamiento de secuencias.
•Submódulo 4.2: Aplicaciones prácticas en reconocimiento de imágenes y procesamiento de texto.

Módulo 5: Aprendizaje No Supervisado (25 horas)

•Submódulo 4.1:Clustering: algoritmos de agrupamiento como K-Means y DBSCAN.
•Submódulo 4.2: Análisis de componentes principales (PCA) para la reducción de dimensionalidad.
•Submódulo 4.2: Aplicaciones prácticas en segmentación de clientes, detección de anomalías, entre otros.

Tutores del Curso

José Antonio Valencia Aricapa

Ingeniero Físico con Maestría en Ciencias-Física. Cuenta con experiencia investigativa de más de 7 años, en la simulación de materiales magnéticos como nanopartículas y películas delgadas, por medio de métodos de simulación tales como Monte Carlo y Dinámica Molecular. En su experiencia académica es docente en la Universidad Nacional de Colombia sede Manizales dictando las materias de pregrado en Simulación e informática 3. A su vez, ha participado en 2 proyectos de investigación de Minciencias. En su experiencia profesional se ha desempeñado como analista y científico de datos en el centro de desarrollo tecnológico Innterfaz, liderando la línea de Inteligencia artificial, al igual que actúa como el director técnico de la empresa spin-off Arithmos.

Más Información

Proceso de Inscripción:

El proceso de formalización de la inscripción al diplomado o cualquiera de sus módulos consta de tres pasos:

• 1. Preinscripción: la cual se realiza en el sistema Hermes, siguiendo las instrucciones.

• 2. Pago: Seleccione el medio de pago de acuerdo a las instrucciones, realice el pago y guarde el soporte.

• 3. Reserva de cupo y formalización de la inscripción: Una vez realizado el pago, envié el soporte, los documentos y formularios solicitados, al correo indicado en el instructivo, a vuelta de correo recibirá la confirmación del cupo reservado (aplica para cursos con cupo limitado) o la información del curso requerida.

Los descuentos aplican únicamente para pagos de contado y NO son acumulables. Los descuentos deben aplicarse en el momento de realizar el pago, luego no se realizarán reintegros de dinero por mayor valor pagado. NO podrá solicitar devolución de los recursos (ni total ni parcial) una vez hayan iniciado las clases del primer módulo bajo ninguna circunstancia

Dentro de los estudiantes pre-inscritos se dará prioridad a los que posean y/o pertenezcan a empresas del departamento de caldas y realicen actividades de innovación en sus procesos, y que aplican estudios de materiales.

Descuento	Descripción
50%	A estudiantes de Pregrado de la Universidad Nacional de Colombia
30%	A estudiantes de posgrado de la UN
30%	Egresados de la Facultad de Ciencias Exactas y Naturales de la Sede Manizales.
20%	A profesores, investigadores, funcionarios, pensionados, egresados y contratistas de la UN.
15%	A personas que realicen 3 o más cursos o diplomados al año enla UN.
10%	Por pronto pago con un mes calendario de anticipación.
5%	Por pronto pago con tres semanas de anticipación.
20%	A personas que se inscriban en el marco de alianzas para el desarrollo de la actividad.
10%	A grupos de 4 o más personas para la misma actividad a través de un único comprobante de pago.
15%	A personas que realicen 3 o más cursos o diplomados al año en la UN.
10%	A hijos de pensionados, de docentes, de funcionarios, de contratistas y de estudiantes de la Universidad Nacional. A estudiantes del colegio IPARM y de la Escuela de la Universidad Nacional de Colombia de la Sede Medellín
10%	A adultos mayores, niños y adolescentes, personas de niveles 1 y 2 de Sisben, población en situación de discapacidad y desplazados inscritos en el registro de población desplazada.
10%	A estudiantes de otras universidades
20%	A extranjeros de países de frontera de la Sede de Presencia Nacional respectiva.

Pre-inscríbete Ahora