- Comprender y aplicar algoritmos de Machine Learning utilizando Python y sus librerías.
- Implementar modelos de Deep Learning en Python para resolver problemas complejos.
- Analizar y visualizar datos utilizando PowerBI de manera efectiva y profesional.
- Desarrollar aplicaciones prácticas de Data Science para el análisis de datos reales.
- Identificar y utilizar herramientas clave en Machine Learning y Deep Learning.
- Integrar soluciones de Machine Learning en proyectos de desarrollo de software.
- Evaluar y optimizar modelos de aprendizaje automático y profundo para mejorar su rendimiento.
UNIDAD DIDÁCTICA 1. MACHINE LEARNING. IMPLEMENTACIÓN DE ALGORITMOS EN PYTHON Y HERRAMIENTAS Y/O LIBRERÍAS DE MACHINE LEARNING. Regresión Lineal. Regresión Logística. Redes Neuronales. Clustering. Principal Component Analysis (PCA). UNIDAD DIDÁCTICA 2. DEEP LEARNING. IMPLEMENTACIÓN DE ALGORITMOS EN PYTHON Y HERRAMIENTAS Y/O LIBRERÍAS DE DEEP LEARNING. Redes neuronales profundas. Optimización de algoritmos. Redes neuronales convolucionales. Redes neuronales recurrentes. NPL. Procesamiento de lenguaje natural. UNIDAD DIDÁCTICA 3. DATA SCIENCE. ANÁLISIS Y VISUALIZACIÓN DE DATOS EMPLEANDO LA HERRAMIENTA POWERBI. Creación de Tablas e informes. Transformación y filtrado de datos. Visualización de los datos. Cálculo. Relaciones entre tablas de datos, métricas e indicadores. Panel de control dinámico e interactivo. UNIDAD DIDÁCTICA 4. DESARROLLO DE APLICACIONES REALES. Aplicación. Clasificación de objetos en imágenes. Aplicación. Detección de objetos en imágenes. Aplicación. Reconocimiento facial. Aplicación. Detección de palabras para asistentes de voz. Aplicación. Business Intelligence.