Artificial Intelligence Professional Certificate AUTOFORMACION

• Cualquier persona interesada en ampliar sus conocimientos en Inteligencia Artificial y Aprendizaje Automático
• Ingenieros, analistas, directores de marketing
• Analistas de datos, científicos de datos, administradores de datos
• Cualquier persona interesada en técnicas de minería de datos y aprendizaje automático

• Comprender los fundamentos de la Inteligencia Artificial y el Aprendizaje Automático
• Describir los métodos de aprendizaje automático: supervisado y no supervisado
• Utilizar el Análisis de Datos para la toma de decisiones
• Comprender los límites de los algoritmos
• Entender y comprender la programación en Python, los conocimientos matemáticos esenciales en IA y los métodos básicos de programación

La metodología de formación está enfocada en la práctica de todos los conceptos introducidos. Los participantes tienen como objetivo de afianzar los conceptos de las buenas prácticas de la Inteligencia Artificial (IA), pudiendo empezar a aplicarlos en su trabajo.

Reciben el material formativo oficial, acceso al simulador examen oficial y el código personal para la certificación en formato online CertiProf Artificial Intelligence Professional Certificate

AUTOFORMACION

Fundamentos del Aprendizaje Automático
Fundamentos del Aprendizaje Automático - ML
I.1 Puntos Clave
Aprendizaje Automático Supervisado
Aprendizaje Automático no Supervisado
Aprendizaje Automático por Refuerzo
I.2 Introducción K-Nearest Neighbors
Introducción
Introducción a los Datos
K-nearest Neighbors
Distancia Euclidiana
Calcular la Distancia para Todas las Observaciones
Aleatoriedad y Clasificación
Precio Promedio
Funciones de Predicción
I.3 Evaluación del Rendimiento del Modelo
Comprobando la Calidad de las Predicciones
Métricas de Error
Error Cuadrático Medio
Entrenamiento de Otro Modelo
Raíz del Error Cuadrático Medio
Comparación del MAE y el RMSE
I.4 Multivariante del Método K-Nearest Neighbors
Recapitulemos
Eliminación de Características
Manejo de los Valores Perdidos
Normalización de Columnas
Distancia Euclidiana para el Caso Multivariante
Introducción a Scikit-learn
Ajuste de un Modelo y Realización de Predicciones
Cálculo del MSE con Scikit-Learn
Utilización de más Funciones
Utilización de Todas las Funciones
I.5 Optimización de Hiperparámetros
Recapitulación
Optimización de Hiperparámetros
Ampliar la Búsqueda en la Cuadrícula
Visualización de los Valores de los Hiperparámetros
I.6 Validación Cruzada
Concepto
Validación de la Retención
Validación Cruzada K-Fold
I.7 Proyecto Guiado: Predicción de los Precios de  Automóviles
Proyecto Guiado: Predicción de los Precios de Automóviles
II Cálculo para el Aprendizaje Automático
Cálculo para el Aprendizaje Automático
Comprender las Funciones Lineales y No Lineales
Comprensión de los Límites
Encontrar Puntos Extremos
III Álgebra Lineal para el Aprendizaje Automático
Álgebra Lineal para el Aprendizaje Automático
Sistemas Lineales
Vectores
Álgebra Matricial
Conjuntos de Soluciones
IV Regresión Lineal para el Aprendizaje Automático
Regresión Lineal para el Aprendizaje Automático
Modelo de Regresión Lineal
Selección de Características
Descenso de Gradientes
Mínimos Cuadrados Ordinarios
Características de Procesamiento y Transformación
Proyecto Guiado: Pronóstico de los Precios de Venta de la Vivienda
V Aprendizaje Automático en Python
Regresión Logística
Introducción a la Evaluación de Clasificadores Binarios
Clasificación Multiclase
Sobreajustes
Fundamentos de Agrupación (Clustering)
Agrupación (Clustering) de K-means
Proyecto Guiado: Predicción de la Bolsa
VI Árbol de Decisiones
Árbol de Decisiones
¿Por qué utilizar Árboles de Decisiones?
Terminología de los Árboles de Decisiones
Cómo Funciona el Algoritmo del Árbol de Decisiones
Poda: Obtención de un Árbol de Decisión Óptimo
Ventajas del Árbol de Decisiones
Desventajas del Árbol de Decisiones
Implementación en Python del Árbol de Decisiones
Proyecto Guiado: Predicción del Alquiler de Bicicletas
Referencias y Bibliografía

El curso tiene una duración de 12 horas. Dispone de 6 meses desde la recepción del código del examen para realizarlo.

Los alumnos recibirán como material del curso los siguientes elementos:

• Manual de formación oficial
• Fichas y enunciados de ejercicios prácticos

El examen oficial puede realizarse con posterioridad a la finalización del curso desde cualquier ubicación en formato online. 

TIPO DE EXAMEN

• Formato: Opción múltiple.
• Preguntas: 40.
• Lenguaje: Español .
• Puntuación del pase: 24/40 or 60%
• Duración: 60 minutos máximo.
• Libro abierto: No.
• Entrega: Este examen está disponible online .

Para realizar este curso oficial de certificación, no hace falta cumplir con ningún requisito.

CertiProf Artificial Intelligence Professional Certificate tras superar el examen OFICIAL