fbpxl

Clases online

Módulo de Machine Learning & Advanced Analytics

Data Science y Machine Learning están creciendo en popularidad e importancia dentro de la estrategia de datos de las empresas. Pasar del análisis descriptivo tradicional al análisis predictivo y a los nuevos servicios avanzados, desde minería de textos hasta análisis de imágenes, se está convirtiendo en un aspecto diferencial en los sistemas analíticos.

Aunque algunas de estas funcionalidades analíticas ya están presentes en el mercado desde hace algún tiempo, es con el despliegue masivo de la potencia de la nube Azure y el servicio Azure Machine Learning cuando se han vuelto mucho más fáciles de comprender, desarrollar, implementar y usar reduciendo enormemente la cantidad de tiempo y la infraestructura necesaria.

En SolidQ venimos trabajando en proyectos de Machine Learning desde hace algunos años. Esta experiencia nos ha servido para adaptar nuestro conocimiento y crear los contenidos formativos objeto de este Módulo de Machine Learning con el que adquirir nuevos conceptos y conocimientos relacionados con analítica avanzada, dar el salto para no quedarte en el BI Tradicional” y seguir creciendo como profesional.

Laboratorios para poner en práctica lo aprendido

Carpeta personal de trabajo

Clases grabadas para repasar lo aprendido.

Foro de discusiones

Comienzo 11 de Junio

Precio original: 1.950€

Precio promocional: 1.750€

Regístrate antes del 12 de mayo y disfruta de 200€ de descuento ¡Sólo disponible para los 5 primeros!.
Además, para empresas que registren a dos o más personas, 10% de descuento adicional por cada uno.

¿Por qué realizar este curso?

Serás capaz de describir y comprender procesos End To End en la ejecución de un proyecto de Machine Learning

Conocerás los módulos y funciones que se incluyen en el servicio de Azure Machine Learning

Aprenderás a conectar y transformar datos para convertirlos en conocimiento

Si has cursado el Máster de BI de SolidQ en ediciones anteriores, este módulo completará tu currículo educativo

Descubrirás cómo resolver problemas en ML, entrenar modelos y los diferentes algoritmos que hay

Podrás distinguir y conocer R & Python

Fechas de la formación

Duración del curso 42 horas.

Junio (6 clases)

  • Clases de 3 horas. 17 a 20 h.
  • Jueves (18:30h a 21:00 h ) y viernes (16:30 a 19:00 h).
  • Días, 11, 12, 18, 19, 25, 26
  • Tutorías: Miércoles
  • Horario tutoría: de 16 a 17

Julio (8 clases + 1 clase presentación y conclusiones TFC)

  • Clases de 3 horas. 17 a 20 h.
  • Jueves (18:30h a 21:00 h ) y viernes (16:30 a 19:00 h).
  • Días: 2, 3, 9, 10, 16, 17, 23, 24
  • Tutorías: Miércoles
  • Horario tutoría: de 16 a 17

Modalidades del Curso

Clases On-line en Directo

 

Esta formación es online 100% guiada por un mentor, contestará a tus preguntas y resolverá tus dudas en tiempo real. Podrás cursarlo en varias sesiones.

 

Pre-requisitos

Antes de asistir a este curso, te recomendamos que tengas al menos una experiencia básica en bases de datos, extracción de datos o inteligencia empresarial y estadística.

Después del Curso

Finalizado el curso serás capaz de describir y comprender procesos End To End en la ejecución de un proyecto de Machine Learning así como los módulos y funciones que se incluyen en el servicio de Azure Machine Learning.

Contenido del curso

Module 1. Introduction Big Data paradigm
Module 2. Azure Big Data
Module 3. Introduction to Machine Learning
  • What is ML?

Lab: Introduction to ML

Module 4. Connecting to the sources. Preparing the data
  • Data Providers Supported
  • How to read the data
  • Data preparation. Transforming the data and creating new attributes

Lab: Connecting and transforming the data

Module 5. Solving problems with ML
  • Training the model
  • Regression Algorithms
  • Clustering Algorithms
  • Anomalies
  • Recommendations

Lab: Solve problems with ML.

Module 6. Deploying and Maintaining ML
  • Deploying ML Web Services
  • Upgrading new versions
  • Consuming the ML solution

Lab: Deploy and use a ML project

Module 7. Advanced ML
  • Cross-Validation
  • Model hyperparameter tuning
  • Feature engineering
  • Feature selection
  • Feature selection
  • Dimensionality reduction
  • R Integration
  • Advanced ML
Module 8. Microsoft Machine Learning Ecosystem
Module 9. Machine Learning Server (R & Python)
  • Standalone
  • Machine Learning in SQL Server

Contacta con nosotros

¿Necesitas más información?

Invite & Earn

X
Signup to start sharing your link
Signup