Máster de Especialista en Ciencia de Datos con el Lenguaje R
Date:
Acceda a un cupón de descuento aquí
Descripción
Máster de Especialista en Ciencia de Datos con el Lenguaje R.
Aprenda a desarrollar proyectos de Machine Learning y Deep Learning con el lenguaje R. Data Science de básico a Experto.
Instructor: PhD. Manuel Castillo.
Calificación: ⭐⭐⭐⭐⭐
Requisitos previos: Antes de realizar el curso se recomienda encarecidamente tener conocimientos de Programación en R. Este es el curso continuación de:
Descripción del Curso:
El curso de “Máster de especialista en Ciencia de Datos con el lenguaje R” tiene dos bloques principales de estudio:
El primer bloque se centra en un subcampo específico de aprendizaje automático llamado modelado predictivo y clustering. Este es el campo del aprendizaje automático que es el más útil en la industria y el cual se utilizar la librería de aprendizaje automático Caret en lenguaje de programación R por su gran rendimiento y facilidad en su uso.
A diferencia del campo más amplio del aprendizaje automático que podría utilizarse con datos en cualquier formato, el modelado predictivo y clustering se centra principalmente en datos tabulares, llamados técnicamente Tidy Data (por ejemplo, tablas de números como en una hoja de cálculo).
El segundo bloque se centra en el aprendizaje profundo. En este curso trataremos la librería Keras de R para Deep Learning y cómo usarla para desarrollar y evaluar modelos de Deep Learning. En este curso, descubriremos las técnicas, código y habilidades de Deep Learning que luego puede llevar a sus propios proyectos de Machine Learning.
La librería Keras envuelve la complejidad de la computación numérica de Theano y TensorFlow proporcionando una API concisa que usaremos para desarrollar nuestra propia red neuronal y modelos Deep Learning. Además, trataremos las habilidades de Deep Learning para llevar esta nueva tecnología asombrosa a nuestros propios proyectos.
Contenidos del Curso:
- MÓDULO I: Introducción
- Conceptos básicos de machine learning.
- La plataforma R como nuestro entorno de machine learning.
- Conclusiones
- MÓDULO II: Programación con R
- Primeros pasos con la plataforma R.
- Lenguaje de programación R.
- Conjunto de datos Estándar.
- MÓDULO III: Análisis de datos
- Cargar un conjunto de datos.
- Estadística descriptiva.
- Visualización de datos.
- MÓDULO IV: Tratamiento de datos
- Preprocesamiento de datos para machine learning.
- Métodos de remuestreo para estimar la precisión del modelo.
- Evaluación de las métricas.
- MÓDULO V: Fase de modelado
- Feature Selection en machine learning
- Feature Importance
- Algoritmos de Machine Learning.
- MÓDULO VI. Redes Neuronales.
- Curso sobre Multilayer Perceptron
- Redes Feed Forward
- Desarrollar nuestra primera red neuronal con Keras.
- Evaluar el rendimiento de los modelos.
- Proyecto: Problema de clasificación multiclase.
- Proyecto: Problema de regresión.
- MÓDULO VII. Redes Neuronales Convolucionales
- Fundamentos de las CNNs
- Operación convolución y Pooling
- Capas totalmente conectadas
- Backpropagation y Gadiente descendiente
- Coste, sesgo y activación.
- Padding y Stride.
- MÓDULO VIII. Redes Neuronales Recurrentes
- Curso intensivo en redes neuronales recurrentes.
- Modelos de perceptrones multicapa para problemas de series de tiempo.
- Modelos LSTM para problemas de series temporales.
- Proyecto: Clasificación secuencial de reseñas de películas.
- Proyecto: Generación de texto.