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 4 de Noviembre
Precio original: 1.950€
Precio promocional: 1.750€
Regístrate antes del 20 de septiembre 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.
Noviembre (12 clases)
- Clases de 3 horas. 17 a 20 h.
- Lunes, martes y miércoles.
- Días, 4, 5, 6, 11, 12, 13, 18, 19, 21, 25, 26, 27
- Tutorías: jueves 14 y 28 de noviembre
- Horario tutoría: de 16 a 17
Diciembre (2 clases + 1 clase presentación y conclusiones TFC)
- Clases de 3 horas. 17 a 20 h.
- Días 2 y 3.
- Tutoría: 5 de diciembre
- Horario tutoría: de 16 a 17 h
- Día presentación TFC / Conclusiones. 9 de Diciembre.
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.
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
¿Necesitas más información?