Formación Aprendizaje automático
Dominar las herramientas de aprendizaje automático en un contexto industrial.
Pida
Formación en aprendizaje automático
- e-learning
- estadísticas
Duración
50h
Tarifa
1330 €Ht/pers
Conviértase en un experto en resolución de problemas industriales
El curso de Aprendizaje Automático te permitirá dominar el uso de las herramientas de Análisis de Datos y Aprendizaje Automático en un contexto industrial. Aprenderás a situar el Aprendizaje Automático en el contexto de la IA y el Big Data, y a entender los diferentes algoritmos (regresión, reducción de dimensiones, clasificación supervisada y no supervisada).
Al finalizar el curso de Aprendizaje Automático, será capaz de preparar los datos correctamente, aplicar métodos de estadística descriptiva, utilizar herramientas de reducción de dimensiones como PCA y UMAP y utilizar algoritmos de modelización para extraer toda la información de sus datos y tomar las decisiones correctas.
Nuestras ventajas
La formación sobre aprendizaje automático es animada e interactiva. Numerosos ejercicios en el software de análisis de datos de Ellistat le permitirán poner en práctica la teoría. Los recursos y la ayuda proporcionados por nuestros equipos facilitarán la asimilación de los conceptos complejos.
100%
Los alumnos, satisfechos con la formación sobre ellistat
21
cursos disponibles en
e-Learning o presencial
e-Learning o presencial
99%
de los alumnos recomiendan nuestros cursos
*De septiembre de 2021 a septiembre de 2024
Su opinión
Objetivos
- Familiaridad con los principios y el uso de herramientas de análisis de datos y aprendizaje automático en un contexto industrial.
- La formación se basa en las herramientas disponibles en el módulo de análisis de datos de Ellistat.
Para quién
El curso e-learning de Aprendizaje Automático está diseñado para directivos e ingenieros que necesitan analizar datos de producción para obtener nuevos conocimientos o un modelo predictivo del comportamiento.
Requisitos previos
- Uso básico de Internet y de un navegador web
- Titulación de nivel II y/o 5 años de experiencia profesional inicial
- Conocimientos básicos de gestión de calidad y procesos
- No es necesario ser Six Sigma Green Belt o Six Sigma Black Belt para realizar este curso.
Duración
50 horas de lecciones y ejercicios. El acceso a e-Learning está disponible 24/7 durante 3 meses para el curso de Machine Learning.
Recursos didácticos y técnicos
- 100% Formación e-Learning en una plataforma específica
- Los métodos pedagógicos propuestos son mediáticos (voz, texto, ejercicios), lúdicos y multimodales, con pruebas en cada lección.
- Presentaciones teóricas
- Casos prácticos
- Documentos de apoyo en PDF y Excel disponibles en línea
Equipo docente
Con más de 30 años de experiencia, rica en enseñanza y experiencia práctica, nuestra organización de formación en calidad industrial le ofrece una gama de servicios de formación y consultoría para desarrollar y mejorar su rendimiento y conocimientos técnicos. Todos nuestros consultores son Lean Six Sigma Master Black Belts y tienen al menos 10 años de experiencia en la aplicación de herramientas Lean y Six Sigma en entornos industriales.
Accesibilidad
El curso de Aprendizaje Automático es accesible para personas con discapacidad. Póngase en contacto con nosotros para conocer los detalles de cualquier acuerdo especial. Haremos todo lo posible por adaptarnos a sus necesidades.
Procedimientos de evaluación
- Hojas de asistencia.
- Preguntas orales o escritas (MCQs).
- Casos prácticos.
- Trabajo práctico
Programa
Comprender el alcance del aprendizaje automático y el análisis de datos
- Comprender los objetivos del aprendizaje automático
- Sitúe el aprendizaje automático en el contexto del Big Data, la Inteligencia Artificial...
- Saber mapear las diferentes herramientas: regresión, reducción de dimensiones, clustering, clasificación supervisada (S) y no supervisada (NS).
- Entender qué se puede y qué no se puede hacer con el aprendizaje automático
Preparar los datos para un análisis adecuado
- Preparación de un plan de recogida de datos
- Cómo elaborar un plan de muestreo
- Aplicar los principios de la estadística descriptiva a los datos (tipo de distribución, cálculo de la estadística media, desviación típica de la mediana, curtosis, asimetría, etc.).
- Evaluación de la presencia de valores atípicos
Conocimiento del principio: herramientas de reducción dimensional (NS)
- Conocer el principio de reducción de dimensiones
- Comprensión y utilización de las herramientas ACP, UMAP y TSNE
- Análisis de componentes principales
- Análisis factorial de correspondencias
- Análisis de correspondencias múltiples
- Comprender y utilizar una tarjeta T2
Clasificación no supervisada
- Conocimiento del principio: herramientas de clasificación no supervisada (NS)
- Clasificación jerárquica: Dendrograma, Variables, Individuos
- Conocer los principios de los algoritmos K means, DBSCAN y Mean Shift
Aprendizaje supervisado, continuo Y
- Conocer el principio y saber utilizar las herramientas: regresión lineal, regresión lineal múltiple
- Comprender el principio de las redes neuronales y saber aplicarlas a casos sencillos.
Aprendizaje supervisado, discreto Y
- Regresión logística
- Regresión logística ordinal
- Clasificación supervisada SVM
- KNN y árbol de decisión
Métrica de un clasificador
- Curva ROC y control de confusión
- Métricas de clasificación simples
- Métrica combinada
- Intervalo de confianza para las métricas
Puesta en práctica de las herramientas de aprendizaje automático
- Dominar el uso del módulo de análisis de datos Ellistat para aplicar todos los puntos del programa.
Un método de aprendizaje
- E-learningAutoaprendizaje1330€
- 50 horas de cursos de aprendizaje electrónico
- Asistencia en línea
