PROGRAMA DE ESPECIALIZACIÓN EN

MACHINE LEARNING
CON PYTHON
¿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
1. Certificado
Al haber aprobado todos los módulos del Curso/Programa con un promedio
ponderado no menor a 14 se le otorga al participante un Diploma a nombre de la
Universidad Nacional de Ingeniería.

2. Constancia de Asistencia
Al participante que no cumpla con los requisitos de certificación, se le otorgará
una Constancia de Asistencia del Curso, para lo cual el alumno deberá contar con
una asistencia a clase mínima del 80%. En el caso de no cumplir con dicho
requerimiento no se emitirá dicha Constancia.

PLANA DOCENTE
Wilder José Araujo
Mg(c) Finanzas Corporativas y Riesgo Financiero de CENTRUM Católica. Bsc en Ingeniería
Económica de la Universidad Nacional de Ingeniería. Con experiencia en mercado de
capitales, estructurando emisiones y administrando portafolios de renta fija para Grupo
Coril SAB. Actualmente se desempeña como Sub Gerente Adjunto de Modelamiento y
Metodologías para la Gestión del Riesgo en el Banco de Crédito BCP.
Posee diversas especializaciones en finanzas, riesgo financiero y Data Science, además de
haber aprobado la evaluación CFA nivel I. Es profesor de Econometría I y II en la Facultad
de Ingeniería Económica de la Universidad Nacional de Ingeniería, además,es docente en
cursos relacionados a Riesgos, Finanzas y Data Science.

Jhon Caballero
Sub Gerente Data Scientist y consultor peruano, con más de 7 años de experiencia en la
aplicación de metodologías de analytics y machine learning en el sector financiero. Cuenta
con estudios de Master en Business Analytics, Big Data and Artificial Intelligence
Management en EADA Business School (España) así como un pregrado en Ingeniería
Estadística en la Universidad Nacional de Ingeniería (Perú).
En la actualidad se desempeña desarrollando y liderando proyectos de advanced Analytics
en el Banco de Crédito del Perú con aplicaciones de machine learning para estimar ventas,
predicción de mora, segmentación de clientes, estimación de precios de inmuebles, etc.
Además, tiene pasión por la enseñanza y cuenta con amplia experiencia dictando tópicos
de machine learning, deep learning y data science en distintas universidades e Institutos de
forma local e Internacional.

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.
INFORMACIÓN GENERAL

Horario Modalidad Duración

Sábados y domingos Virtual 13 semanas
18:00 a 21:00 horas 27 sesiones

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.

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. Completar y firmar la Ficha de Inscripción
2. Completar y firmar el Reglamento y Términos y Condiciones de Cursos/Programas
3. Copia escaneada del DNI, ambas caras (legible)
4. CV actualizado sin documentar
5.Copia escaneada del Grado de Bachiller o Título Profesional/Título de Técnico
Profesional (3 años)
6. Carta de Compromiso de la Empresa (sólo en el caso que la institución financie el programa)
7. Enviar la boleta o voucher de pago

Nota: Una vez enviado los documentos solicitados vía correo electrónico, el participante deberá esperar la
confirmación de su matrícula.

INVERSIÓN
..........

Precio regular S/ 1,800

DESCUENTOS*
Egresado y alumno UNI Corporativo Pronto pago*
15%
15% 20% 10%
NOTA:
- Los descuentos no son acumulables.
- Descuento por pronto pago: Válido hasta diez (10) días antes del inicio de clases del curso/programa.
- Para acceder al descuento por ser egresado o alumno UNI, el participante deberá enviar sus documentos para la inscripción al
curso desde su correo electrónico UNI.
MODALIDADES DE PAGO
Antes de realizar el pago en el BCP deberá comunicarse con uno
de nuestros colaboradores para el registro de datos en nuestro
sistema.

Realiza tus pagos a través de estos canales:

Agente BCP Indicar el código 15226

Internet (Vía BCP) Banca Móvil BCP

---

---

----- Sigue estos pasos -----

Selecciona la Opción: PAGAR SERVICIO
Escribe en el buscador por Empresa o Servicio:
"Universidad Nacional de Ingeniería"
Elije la opción de Universidad Nacional de Ingeniería
"PAGO ESTUDIANTES"
Ingresa tus datos personales:
DNI / RUC / carné de extranjería
¡Y listo, pago realizado!

Pago en ventanilla del banco y App con el

Código Autogenerado del Servicio:

667
Concepto:
CURSOS CAPACITACIÓN - OTROS

NOTA: En el caso requiera la emisión de una factura es

necesario que en ventanilla del Banco Scotiabank indique
su número de RUC y la Razón Social.

COMUNÍCATE CON UN ASESOR

Andrea Julca
WhatsApp: +51 992657546 www.ctic.uni.edu.pe
[email protected]
Oficina de Capacitación-CTIC UNI