📘 Descripción

Este máster está organizado en dos bloques principales:

• Bloque 1 — Ciencia de datos y ML con scikit-learn: preprocesamiento, análisis exploratorio, selección de características, modelado (clasificación, regresión), validación y clustering, todo con Python y scikit-learn.
• Bloque 2 — Deep Learning con Keras: fundamentos de redes neuronales, MLP, CNN, RNN (LSTM/GRU), buenas prácticas (callbacks, regularización, ajuste de LR) y proyectos aplicados.

Al finalizar, habrás construido un portafolio de proyectos que cubren el ciclo completo: desde la preparación de datos hasta el despliegue de modelos de ML/DL.

🧭 Contenidos del Curso

• Módulo I: Introducción y entorno Python (Anaconda, Jupyter, buenas prácticas).
• Módulo II: Análisis de datos y visualización (pandas, NumPy, matplotlib/plotly).
• Módulo III: Preprocesamiento (limpieza, encoding, escalado, pipelines).
• Módulo IV: Tratamiento avanzado (feature engineering, selección de variables).
• Módulo V: Modelado predictivo (árboles, ensambles, SVM, métricas, validación).
• Módulo VI: Redes Neuronales básicas con Keras (MLP, entrenamiento y evaluación).
• Módulo VII: Redes Neuronales Avanzadas (regularización, callbacks, tuning).
• Módulo VIII: Redes Convolucionales (CNN) para visión por computador.
• Módulo IX: Redes Recurrentes (RNN, LSTM/GRU) para series temporales y texto.