Build your ultimate AI agent
Descripción del curso
Aprende los fundamentos del machine learning
Este curso presentará los elementos clave del machine learning a los líderes empresariales. Nos centraremos en las ideas clave y las prácticas básicas sobre cómo estructurar las cuestiones empresariales como proyectos de modelado con los equipos de machine learning.
Sumérgete en los detalles del modelo
Comprenderás los distintos tipos de modelos, qué tipo de preguntas empresariales ayudan a responder o qué tipo de oportunidades pueden descubrir, y también aprenderás a identificar las situaciones en las que NO se debe aplicar el machine learning, lo cual es igualmente importante. Comprenderás la diferencia entre inferencia y predicción, la predicción de probabilidades y cantidades, y cómo el uso del aprendizaje no supervisado puede ayudar a construir una estrategia significativa de segmentación de clientes.
Requisitos previos
No hay requisitos previos para este curso
Programa de formación
Contenido del curso
1
Machine Learning y casos de uso de datos
Machine Learning se usa en muchos sectores y áreas. Si se aplica bien, puede transformar el negocio de forma profunda. Este capítulo describe casos de uso de Machine Learning, los perfiles profesionales implicados y cómo encajan en la pirámide de necesidades de datos.
- Machine Learning y la pirámide de datos50 XP
- Aclaración de terminología50 XP
- Ordena las necesidades de la pirámide de datos100 XP
- Relaciona las tareas con la pirámide de datos100 XP
- Principios de Machine Learning50 XP
- Tipos de modelado50 XP
- Identifica casos supervisados y no supervisados100 XP
- Funciones, herramientas y tecnologías50 XP
- Responsabilidades por rol50 XP
- Asocia proyectos de datos con roles profesionales100 XP
- Tipos de estructura de equipos100 XP
2
Tipos de Machine Learning
Este capítulo ofrece una vista general de los diferentes tipos de Machine Learning. Veremos las diferencias entre modelos causales y de predicción, exploraremos el aprendizaje supervisado y no supervisado, y por último entenderemos los subtipos del aprendizaje supervisado: clasificación y regresión.
3
Requisitos de negocio y diseño del modelo
Este capítulo repasa los pasos clave para definir los requisitos de negocio, identificar y dimensionar oportunidades de Machine Learning, evaluar el rendimiento del modelo e identificar posibles riesgos de rendimiento en el proceso.
4
Gestión de proyectos de Machine Learning
En este capítulo veremos las mejores y peores prácticas al gestionar proyectos de Machine Learning. Identificaremos los errores más comunes, aprenderemos a gestionar la comunicación entre el negocio y los equipos de ML y, por último, abordaremos los retos de poner modelos de Machine Learning en producción.
R
Machine Learning para negocios
Curso
completado
