Modalidad

Virtual-En vivo

PDE EN

MACHINE
LEARNING CON
PYTHON

EDICIÓN VII
¿Cómo puede una máquina aprender de la experiencia para mejorar en una 
  tarea determinada?  ¿Cómo podemos extraer  conocimiento    de forma
automática o  dar sentido a cantidades masivas  de datos? Estas son las
preguntas fundamentales del Aprendizaje Automático.  Los  algoritmos de 
aprendizaje automático y minería  de datos    utilizan    técnicas de  la 
  Estadísticas,  Optimización    y      Ciencias    de  la computación para  crear 
 sistemas   automatizados  que  pueden  filtrar    grandes
volúmenes de datos a gran velocidad para hacer predicciones o tomar decisiones
sin intervención    humana.    El  Aprendizaje  Automático  (Machine Learning) 
como campo ahora está  increíblemente    generalizado, con    aplicaciones    que
van de la web (búsqueda,    publicidad    y sugerencias) a    la    seguridad
nacional,  desde    el análisis  de  interacciones    bioquímicas    hasta    el tráfico y
las emisiones hasta  la astrofísica.

Tal vez lo más famoso es que el premio de $ 1M de Netflix despertó el  interés en
aprender algoritmos en profesionales, estudiantes y aficionados; ahora, sitios web
como Kaggle  organizan  concursos  abiertos regulares sobre los datos de 
muchas compañías.  Este Programa lo familiarizará con una amplia muestra 
representativa de modelos y algoritmos  para el aprendizaje automático,  y  lo 
  preparará  para  la investigación o la aplicación industrial de  técnicas de
aprendizaje  automático.

DIRIGIDO A
Este programa está dirigido a los profesionales de las siguientes
carreras:    Análisis    de datos, Ciencia    de    la  Computación, 
Desarrollo      de   software, Estadística,    Ingeniería    de    Sistemas, 
 Ingeniería    informática, Matemática y áreas afines.

OBJETIVO
El Programa de Especialización en Machine Learning con Python tiene
como objetivo  primordial aprender cómo usar el lenguaje Python para
implementar y aplicar algoritmos de  aprendizaje automático y
Estadística. Esta es una habilidad muy importante para todos
los analistas de datos y científicos de datos, que deseen crear modelos
predictivos. Trabajará rápidamente con el paquete Scikit-learn para
extraer e identificar las funciones útiles que mejor  representen sus
datos, para crear modelos de clasificación y clustering, y para evaluar
el rendimiento de sus algoritmos de aprendizaje automático. 
PRE-REQUISITOS
Asumiremos  una  familiaridad  básica con  los    conceptos    de  Probabilidad    y
Álgebra Lineal.  Proporcionaremos algunos materiales de  lectura para ayudarlo
a refrescar su memoria.  En el lado de la programación,  los    proyectos  estarán
en Python;   debe  comprender    conceptos   básicos     de   informática   (como
recursividad), estructuras de   datos   básicos   (árboles, grafos)    y   algoritmos
básicos (búsqueda, clasificación, etc.).

PLAN DE ESTUDIOS

INTRODUCCIÓN
MÓDULO 1
AL APRENDIZAJE AUTOMÁTICO

Fundamentos de Data Science y Machine Learning

Matemática, Estadística y Probabilidades
Algoritmos y Programación en Python

PREPROCESAMIENTO
MÓDULO 2
DE DATOS

Tratamiento de missings y outliers

Ingeniería de Características
Selección de Características

HERRAMIENTAS
MÓDULO 3
DE APRENDIZAJE AUTOMÁTICO

Prueba de entrenamiento y muestra

Indicadores de Desempeño(KPI): Discriminación, Calibración y Estabilidad.
Bootstrapping
Bagging
Boosting
Validación cruzada
Ajuste de hiperparámetros
Selección de modelos

APRENDIZAJE
MÓDULO 4
SUPERVISADO

Regresión lineal
Regresión logística
Naive Bayes
Máquinas de Vectores de Soporte (SVM)
Arboles de decisión
Random Forest
XGBoost
MÓDULO 5 APRENDIZAJE NO SUPERVISADO

Análisis de clusters
Reducción de dimensiones

MÓDULO 6 DEEP LEARNING

Redes neuronales

APLICACIONES DE
MÓDULO 7
DATOS NO ESTRUCTURADOS

Procesamiento del lenguaje natural

Fundamentos de procesamiento de imágenes
Fundamentos de Web Scrapping

MÓDULO 8 TALLER FINAL

Aplicación Final

CERTIFICACIÓN
Al finalizar el curso, los participantes que cumplan los requisitos académicos y haber
aprobado todos los módulos del Programa y el Trabajo Final con nota mínima de 14
recibirán:
Un DIPLOMA DE ESTUDIO a nombre de la Universidad Nacional de Ingeniería.
Por haber aprobado el Programa de Especialización en Machine Learning con Python.

A los participantes que no cumplan con la totalidad de lo exigido. En dicha constancia se

precisará las asignaturas aprobadas y recibirán:
Una CONSTANCIA DE PARTICIPACIÓN a nombre de la Universidad Nacional de
Ingeniería.
PLANA DOCENTE

Ing. José Araujo

Magister en Finanzas Corporativas y Riesgo Financiero de CENTRUM
Católica, actualmente se desempeña como Gerente Adjunto Data
Scientist en el BCP. Cuenta con experiencia en la construcción y
monitoreo de modelos utilizados en la gestión del riesgo de crédito
de la Banca Mayorista y Minorista. Es docente de Econometría, Data
Science y Machine Learning en la Universidad Nacional de Ingeniería.
Además, posee diversas certificaciones internacionales en Finanzas,
Riesgos, Data Science y Machine Learning.

Ing.Jhon Caballero
Ingeniero Estadístico, Universidad Nacional de Ingeniería, IBM Deep
Learning Professional Certified. Con 6 años de experiencia en el
desarrollo de analytics y modelamiento en el sector financiero.
Experto en el desarrollo y aplicación de metodologías machine
learning en empresas bajo diferentes ambientes de programación.
Ejerciendo funciones como desarrollador de modelos de riesgo en el
Banco de crédito BCP y docencia universitaria.

Profesor Abraham Zamudio

Egresado de la Escuela Profesional de Matemática de la Universidad
Nacional de Ingeniería. Con más de 10 años de experiencia como
desarrollador de proyectos de simulación computacional e
inteligencia artificial usando tecnologías de alto performance en
ingeniería, consultor en proyectos de infraestructura TI usando
sistemas distribuidos y profesor de cursos de Business Intelligence e
Inteligencia artificial en diversas instituciones públicas y privadas.
Experiencia laboral en el Radio Observatorio de Jicamarca (Instituto
Geofísico del Perú), El Laboratorio costero de Paita (Instituto del Mar
del Perú), la Escuela de Posgrado de la Universidad Peruana
Cayetano Heredia, el Centro de Investigación de la Universidad del
Pacífico, el Centro de Tecnologías de Información y Comunicaciones
de la Universidad Nacional de Ingeniería.

(*) La Universidad se reserva el derecho de cambiar algún docente por contingencias inesperadas.
REQUISITOS DE APROBACIÓN
La nota final del curso se calculará como el promedio de todos los módulos:
Nota Final (NF)
Nota Módulo X (NMx)
NF = (NM1+NM2+NM3+ … +NM10)/10

Para aprobar el Programa de Especialización el alumno debe cumplir con los

siguientes requisitos:
- Calificación mínima de 14.0 en su promedio ponderado.
- Un mínimo de 80% de asistencia a todo el Programa.
- Participación activa en clases.

INFORMACIÓN GENERAL

Horario Modalidad Duración Horas

Domingo de Virtual 13 semanas 80
2:00p.m. a 8:00p.m.

REQUISITOS DE INSCRIPCIÓN*
A efectos de participar en el  curso   de  especialización  los  postulantes  deberán
cumplir  con  los siguientes requisitos que serán enviados al e-mail
[email protected]

1. Llenar y firmar la Ficha de Inscripción (Solicitar envío por e-mail)

2. Copia escaneada del DNI o carné de extranjería (legible, ambas caras)
3. Copia escaneada del Grado de Bachiller o Título técnico
3. Constancia de pago

Nota: El dictado  de  clases  del  Programa/Curso  de  Especialización  se iniciará siempre que se alcance el número mínimo  de
alumnos matriculados establecido por la Jefatura de Capacitación.

INVERSIÓN
..........

Público en general S/ 1,800

DESCUENTOS

Egresado y alumno UNI Corporativo Pronto pago*

15%
15% 15% 10%
(*) Descuento válido hasta diez (10) días antes del inicio de clases del curso/programa.
Los descuentos no son acumulables.

MODALIDADES DE PAGO

TRANSFERENCIAS INTERBANCARIAS BANCO SCOTIABANK

Transferencias Interbancarias desde otros bancos, utilizar código de cuenta interbancaria
N° 009-214-000002109263-80, ingresando los siguientes datos del Beneficiario RUC N°
20169004359 y RAZÓN SOCIAL: UNIVERSIDAD NACIONAL DE INGENIERÍA.

DEPÓSITO EN EL BANCO SCOTIABANK.

Indicar el Código Autogenerado del servicio 667, concepto: CURSOS CAPACITACIÓN -
OTROS.
Para factura debe figurar en el voucher RUC y Razón Social.

DEPÓSITO EN AGENTE SCOTIABANK

Cuenta corriente en soles de la Universidad Nacional de Ingeniería N° 000-2109263 del
Banco Scotiabank.

Nota: Para hacer válido el pago deben enviar la Constancia de transferencia o la imagen del voucher. Indicando el Nombre
completo y N° de DNI del titular del abono.
III

INFORMES E INSCRIPCIONES
Oficina de Capacitación
WhatsApp: +51 992657546
[email protected]
www.ctic.uni.edu.pe