Curso Python para Machine Learning Aplicado
Nuevo programa
Deseo recibir más información

Curso Python para Machine Learning Aplicado

Para realizar su inscripción y/o pago electrónico, haga clic aquí.
Información básica fechas
Fecha de inicio
Fecha de finalización
Información básica horario
Horario
48 horas sincrónicas: distribuidas en 6 horas semanales
Lunes y miercoles de 8 p.m. a 10 p.m.
Sábados de 10 a.m. a 12 m.
Descuentos especiales
15% Pronto pago Junio 12 de 2021, 15% Comunidad El Bosque, 10% Afiliados a Colsubsidio, 10% grupos superiores a dos personas. *Los descuentos no son acumulables.
En contacto
Juan Felipe Rozo Méndez

Juan Felipe Rozo Méndez

Asistente Profesional
Tel: 6489000
Ext. 2641
Celular: 317 3988943

Información básica inversión
Inversión
736000 COP
Inversión en dólares
215 USD

Te invitamos a conocer todas las características y alcance de todos nuestros programas.

En nuestro canal de youtube puedes encontrar contenido que te ayudaran a tomar la mejor elección para actualizarte.

YouTube

Descripción

El éxito de una empresa se debe a la capacidad de análisis, transformación y gestión de los datos que se posea y las decisiones que se puedan tomar basadas en estos. En este contexto, las empresas son conscientes hoy en día de la importancia de los datos y, por lo tanto, están elaborando medidas estratégicas y operacionales que permitirán adquirir las aptitudes y los conocimientos necesarios para lograr nuevos beneficios analíticos basados en nuevos datos de gran tamaño junto con metodologías para tratamiento de información como el aprendizaje automático de forma supervisada, no supervisada, semi-supervisada.

En la mayoría de proyectos en los cuales un científico de datos emprende o colabora, debe saber solucionar problemas que se plantean dentro del mismo proyecto, haciendo uso eficiente del razonamiento matemático y estadístico en sinergia con los algoritmos a implementar, a fin de presentar soluciones concretas y sustentables en el tiempo.

Objetivo

Comprender de forma teórica y práctica los algoritmos de aprendizaje de maquina bajo el enfoque supervisado y semi-supervisado mediante ejemplos concretos para predicción o clasificación de fenómenos con aplicación en el sector industrial, banca y salud.

Objetivos especificos

  • Revisar conceptos matemáticos fundamentales dentro de la modelación para regresiones y clasificación, las tasas de aprendizaje, el cálculo diferencial, Algebra Lineal, ecuaciones diferenciales y probabilidades.
  • Reconocer el concepto de función de costo y optimizadores para la alta precisión y la generalización de los modelos.
  • Gestionar las distintas aplicaciones del aprendizaje de máquina para diversos casos de estudio.
  • Ajustar los modelos para una mejor generalización y eventual aumento de las métricas de precisión y exactitud de los mismos.

Valores Agregados

  • Conocer el proceso de generación de modelos basados en matemática y estadística mediados por la programación en Python para la toma de decisiones.
  • Identificar, analizar, comprender y relacionar los conceptos fundamentales en términos teóricos y algorítmicos del aprendizaje de máquina, tanto en sus propios campos de acción como con otras áreas del conocimiento y trabajo en equipo.
  • Diseñar soluciones desde el pensamiento práctico fundamentadas en casos específicos, evaluando su validez para eventualmente ponerlos en producción.
Dirigido a
Profesionales de las ciencias de la salud, ingenierías, ciencias administrativas o a fines interesados en comprender el uso de herramientas matemáticas y estadísticas para investigación. sector público y privado.

Estudiantes de últimos semestres de pregrado y posgrado de la Universidad y personas externas interesados en entender e implementar los procesos de Machine Learning para predicción y clasificación con aplicación en el sector industrial, salud y banca.

Módulo 1. Introducción a la algoritmia con Python

Módulo 2. Procesamiento de datos

Módulo 3. Análisis exploratorio de Datos

Módulo 4. Algoritmos de Regresión y métricas

Móduo 6. Algoritmos de Clasificación y métricas

Módulo 7. Aprendizaje No Supervisado y Semi-Supervisado

 

Carlos Puentes: MSc en Educación Superior e Ingeniero Electrónico de la Universidad El Bosque, con Estudios Especializados en Machine Learning y Deep Learning. Director de las Especializaciones de Data Analyst y Architecting Cloud with Compute Engine de Google Colombia en la Universidad El Bosque, Speaker de Google y miembro de la comunidad Tensorflow Colombia, Investigador del Instituto de Neurociencias en el área de tecnología y ciencia de datos.

Armando Quiñones: MSc en Ingeniería Biomédica universidad Nacional de Entre Ríos Argentina, Especialista en Bioingeniería universidad Distrital Francisco José de Caldas, Ingeniero Electrónico universidad Autónoma de Colombia, docente tiempo completo programa de Bioingeniería de la universidad el Bosque, Investigador en interfaces cerebro computador(BCI) laboratorio de Psicología Experimental universidad el Bosque.

Información Adicional

Proceso de Matrícula y Financiación

Formulario

Formulario
Formulario

Empieza por diligenciar el formulario de inscripción. Una vez recibas tu solicitud, automáticamente se generará una orden de pago, la cual será enviada por correo electrónico.

Ir al formulario

Matrícula presencial

Matrícula presencial
Matrícula presencial

Dirígete a las oficinas de la División de Educación Continuada, Av. Cra. 9 No. 131 A - 02 Edificio Fundadores, Centro de Servicios Integrales, Primer piso, Mezannine, y proporcionar los siguientes datos:

  • Nombre completo
  • Tipo de Documento
  • Número de Documento
  • Fecha de Nacimiento
  • Teléfono Fijo
  • Teléfono Móvil
  • Email
  • Programa de interés

Métodos de pago

Financiación
Métodos de pago

Conoce las opciones de financiación, formas de pago, descuentos y beneficios para formalizar la inscripción.

Métodos de financiación
Directo por la Universidad El Bosque, Cheques Posfechados.

Entidades bancarias
Sufi Bancolombia, Grupo Helm Bank, Banco Pichincha, Fincomercio, Financiar.

Formas de pago 
Efectivo, Pagos en línea PSE, Tarjeta de crédito Visa o Master Card, Patrocinios.

Descuentos
15% Comunidad El Bosque, 10% Descuentos grupales (3 participantes), 10% Participantes de otros programas, 10% Cónyuges e hijos funcionarios de la Universidad El Bosque.
* Los descuentos no son acumulables

Inscripciones

Pagos en línea

Pagos en línea
Pagos en línea

Puedes diligenciar el pago de tu recibo en nuestra plataforma con PSE.

Pagos en línea

Requisitos

Requisitos
Requisitos

Una vez realizado el pago, deberás hacer llegar el comprobante y los siguientes documentos por medio de correo electrónico o acercándote a las oficinas de la División de Educación Continuada:

  • Fotocopia de la Cédula
  • Fotocopia del Carné de la E.P.S.
  • Fotocopia del diploma profesional o acta de grado

Importante

La Universidad podrá cancelar el programa seleccionado, cuando no haya un número mínimo de participantes, y procederá a tramitar la devolución del dinero recibido. También podrá posponer la realización del programa por razones de fuerza mayor. En este caso se informará a las personas preinscritas la nueva fecha programada. El medio de contacto será a través de los medios suministrados en el momento de la inscripción.

Institución de educación superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

Próxima oferta académica
Diplomado
Diplomado
Curso