1. INTRODUCCI\u00d3N AL CURSO
\n 1.1. Introducci\u00f3n al Python
\n 1.2. Librer\u00eda de Python para Machine Learning
\n 1.3 Machine Learning. Introducci\u00f3n<\/p>\n
2. APRENDIZAJE SUPERVISADO
\n 2.1. Definici\u00f3n y aplicaciones
\n 2.2 Medidas de rendimiento
\n 2.3 Modelos lineales
\n 2.4 Modelos supervisados de ML: \u00e1rboles, SVM, redes neuronales
\n 2.5 Combinaci\u00f3n de modelos. Random Forest<\/p>\n
3. APRENDIZAJE NO SUPERVISADO
\n 3.1. Definici\u00f3n y aplicaciones
\n 3.2 Medidas de rendimiento
\n 3.3 Clustering. Tipos
\n 3.4 Biclustering
\n 3.5 Manifolds. Reducci\u00f3n de la dimensionalidad
\n 3.6 An\u00e1lisis de la cesta<\/p>\n","protected":false},"excerpt":{"rendered":"
Desarrollar, implementar y validar modelos de aprendizaje m\u00e1quina (Machine Learning): dise\u00f1ar modelos predictivos de clasificaci\u00f3n en problemas reales de salud, econom\u00eda y empresa, implementar algoritmos de segmentaci\u00f3n para an\u00e1lisis de poblaciones en diferentes aplicaciones y desarrollar modelos de predicci\u00f3n avanzados de series temporales.<\/p>\n","protected":false},"featured_media":24101,"template":"","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":""},"product_brand":[],"product_cat":[48],"product_tag":[],"class_list":["post-24358","product","type-product","status-publish","has-post-thumbnail","product_cat-informatica-y-comunicaciones","first","instock","virtual","taxable","purchasable","product-type-simple"],"yoast_head":"\n