Después del curso, a cada participante que haya concluido exitosamente, a criterio de los instructores, se le proporcionará un Certificado emitido por IEEE que cubrirá 36 PDH (Horas de desarrollo profesional).
Curso: Machine Learning
Cupo limitado
Información General
- Martes y jueves del 30 de septiembre al 6 de noviembre 2025
- 9:00 – 12:00 hrs.
- Modalidad: Virtual (Microsoft Teams)
Objetivo del curso:
El principal objetivo de este curso práctico de Machine Learning (ML) es proveer al participante con los conocimientos teóricos y habilidades prácticas necesarios para la aplicación de técnicas de Inteligencia Artificial a problemas del mundo real. A lo largo de 30 horas, divididas en seis sesiones, los participantes profundizarán en los conceptos fundamentales de ML, en los paradigmas de aprendizaje supervisado y no supervisado. Se cubrirán temas desde fundamentos de Python, preproceso de datos, para proceder a las tareas de clasificación y regresión, de modo que los estudiantes puedan generar modelos predictivos. Posteriormente, se explorará el aprendizaje no supervisado. Al término del curso, el estudiante tendrá nociones completas de los conceptos de ML, además de la experiencia práctica para aplicar los conocimientos adquiridos a problemas reales.
👆🏽 Clic en cada sección para ver el detalle de la información.
↕️ Temario:
- Clase 1: Introducción al Aprendizaje de Máquina (Machine Learning)
- Introducción a Machine Learning (ML) y sus aplicaciones
- Tipos de Aprendizaje:
- Supervisado
- No Supervisado
- por Refuerzo
- Configuración del entorno de desarrollo:
- Python
- Jupyter Notebooks
- Conda
- Google Colab
- Repaso de Básicos de Python para ML:
- variables
- tipos de datos
- estructuras de control
- Conceptos básicos de Machine Learning, Ciencia de Datos y Big Data
- Clase 2: Preproceso de Datos y Análisis Exploratorio de Datos (EDA)
- Manipulación de Datos perdidos
- Limpieza de datos y transformación
- Técnicas de Exploratory Data Analysis (EDA)
- Visualización de datos con Matplotlib y Seaborn
- Análisis estadístico de datos
- Clase 3: Aprendizaje supervisado – Clasificación
- Introducción a la clasificación
- Regresión Logística
- Árboles de Decisión y Random Forest
- Evaluación del modelo y métricas de desempeño
- Desbalance de clase
- Bias vs Variance tradeoff
- Overfitting
- Underfitting
- Máquinas de Soporte Vectorial
- Ejemplo práctico y caso de estudio
- Clase 4: Aprendizaje supervisado – Regresión
- Introducción a la regresión
- Regresión Lineal
- Regresión Polinomial
- Árboles de Decisión
- Evaluación de modelos y métricas de desempeño
- Ejemplo práctico y caso de estudio
- Clase 5: Aprendizaje No Supervisado
- Algoritmos de agrupación (clustering):
- K-means
- Hierarchical clustering
- Reducción de dimensionalidad
- Análisis del componente principal (PCA)
- Evaluación de modelos de Aprendizaje No Supervisado
- Algoritmos de agrupación (clustering):
- Clase 6: Introducción a las redes Neuronales Artificiales y Reinforcement Learning
- Redes neuronales artificiales:
- Célula de McCulloch-Pitts
- Perceptrón simple
- Algoritmo de aprendizaje
- Perceptrón multicapa
- Aprendizaje reforzado
- Ciclo Agente-Ambiente
- Optimización
- Cadenas de Markov
- Generalized Policy Iteration
- Conos causales
- Redes neuronales artificiales:
- Clase 7: Proyecto final y examen
- Aplicación del Perceptrón multicapa
- Dataset de precios de casas: Planteamiento del problema como clasificación y como regresión
- Aplicación de examen teórico
- Entrega de calificaciones finales
- Aplicación del Perceptrón multicapa
↕️ Instructores:
↕️ ¿Qué es IEEE PDH?
Las horas de desarrollo profesional (PDH) se otorgan a una persona en función de las horas de contacto de una presentación o clase de capacitación. Las organizaciones suelen exigir PDH para mantener la licencia o certificación profesional. Se otorga una PDH por una hora de contacto de capacitación. 1 hora de capacitación = 1 PDH.
Información de https://www.yaskawa.com/
Costos (MXN, IVA incluido)
Pregunta por nuestras opciones de pago a Meses sin intereses.
Etapa 1 – Antes del 5 de septiembre 2025.
| Miembro IEEE | Público General |
| $5,000.00 | $6,000.00 |
Etapa 2 – Del 6 al 29 de septiembre 2025.
| Miembro IEEE | Público General |
| $5,500.00 | $6,500.00 |