Temario del curso
1. Introducción al Aprendizaje Automático
- ¿Qué es el Aprendizaje Automático?
- Cómo amplía el análisis de datos
-
Casos de uso comunes en negocios:
- Pronóstico de ventas
- Segmentación de clientes
- Predicción de abandono (churn)
2. Del Análisis de Datos al Aprendizaje Automático
- Repaso: trabajo con datos en Pandas
- Pasando del análisis descriptivo al predictivo
- Definición de un problema de Aprendizaje Automático
3. Flujo de Trabajo del Aprendizaje Automático (Simplificado)
- Preparación del conjunto de datos
- División de los datos (entrenamiento vs. prueba)
- Entrenamiento de un modelo
- Realización de predicciones
4. Preparación de Datos para el Aprendizaje Automático
- Manejo de valores faltantes
- Codificación de variables categóricas
- Selección de características (básico)
- Escalado (visión general conceptual)
5. Aprendizaje Supervisado (Manos a la Obra)
Regresión
- Regresión Lineal
- Caso de uso: predicción de valores numéricos (ej. ventas, demanda)
Clasificación
- Regresión Logística
- Caso de uso: resultados binarios (ej. abandono, fraude)
6. Aprendizaje No Supervisado
Agrupamiento
- Agrupamiento K-means
- Caso de uso: segmentación de clientes
7. Evaluación del Modelo (Simplificada)
- Rendimiento en entrenamiento vs. prueba
- Precisión (clasificación)
- Comprensión básica del error (regresión)
8. Interpretación de Resultados
- Comprensión de las salidas del modelo
- Identificación de patrones y tendencias
- Traducción de resultados en información empresarial
9. Ejemplo Práctico de Extremo a Extremo
- Carga del conjunto de datos
- Preparación y limpieza de los datos
- Entrenamiento de un modelo
- Evaluación del rendimiento
- Extracción de información
Requerimientos
Prerequisitos
- Conocimientos básicos de Python
- Familiaridad con Pandas y trabajo con conjuntos de datos
- Comprensión de los conceptos básicos de análisis de datos
Público Objetivo
- Analistas de Datos
- Analistas de Negocios con conocimientos básicos de Python
- Profesionales que completaron el curso Python para Análisis de Datos o equivalente
- Principiantes en Aprendizaje Automático
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
