Plan de formación
Machine learning para todos
Objetivos
En los últimos años, con el aumento del poder computacional, muchas técnicas procedentes del campo de la Inteligencia Artificial han sido adaptadas en diferentes áreas de conocimiento, permitiendo la extracción de reglas y patrones a partir de los datos.
El objetivo fundamental del curso es introducir al profesorado en el uso de algunas de las técnicas de Machine Learning más sencillas, mostrando algunos ejemplos que permitirán entender su funcionamiento y aplicarlas a nuestros propios datasets.
En el curso todo el trabajo se realizará utilizando R, un entorno y lenguaje de programación abierto, libre y gratuito que proporciona una amplia variedad de librerías utilizadas en Machine Learning.
Contenidos
- Introducción al Machine Learning.
- K-Nearest Neighbors.
- Naive Bayes.
- Árboles de Decisión.
- Redes Neuronales.
- Clustering con K-Means.
Equipo docente
Alberto Muñoz Cabanes- Facultad de Económicas
Metodología
El curso se impartirá mediante la modalidad de educación a distancia y la educación digital, con el apoyo, seguimiento y evaluación del profesorado responsable del curso.
Se desarrollará en el espacio de aprendizaje "Ágora", plataforma docente de tipo Learning Management System (LMS).
Lugar, fechas y horas lectivas
|
Lugar |
Fechas |
Horas |
|---|---|---|
|
Plataforma Ágora |
El curso se desarrollará del 1 al 26 de abril de 2024 Existirá un foro de asesoramiento del 29 de abril al 06 de mayo de 2024 |
Horas lectivas: 16 |
Colectivo al que va dirigido
Personal docente e investigador.
Requisitos
Conocimientos a nivel usuario de R. Para poder seguir el curso, es altamente recomendable conocer cómo se cargan y transforman datos con R.
Resultados del aprendizaje
- Conocer los principales conceptos relacionados con el Machine Learning.
- Programar diferentes tipos de modelos de aprendizaje máquina.
- Interpretar y validar los resultados obtenidos, y decidir si el modelo obtenido es adecuado o no para dar respuesta al problema planteado.
Sistema de evaluación
El alumno será evaluado mediante una serie de ejercicios prácticos propuestos por el profesor que deberán ser resueltos y enviados al mismo.
Certificación
Para obtener la certificación será necesario cumplir con los requisitos establecidos en el "Sistema de evaluación".
Los certicados se procesarán de oficio por el IUED. Cada participante recibirá un aviso de la sede electrónica de la UNED con las instrucciones para su descarga.
Matrícula
Más información
Instituto Universitario de Educación a Distancia (IUED)
c/ Bravo Murillo, 38. 3ª planta
28015 Madrid
91 398 6682 / 6692 / 7791 / formacion@iued.uned.es