Scribd
Cargar
24 vistas34 páginas

Machine Learning Semana 1-Comprimido

Cargado por

jhcastroh
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
24 vistas34 páginas

Machine Learning Semana 1-Comprimido

Cargado por

jhcastroh
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 34

MACHINE

LEARNING
Experta Disciplinar :
Ingeniera Mecatrónica UNAL. , Licenciada en Física U.P.N. &
Magister en Educación UDES.
CLAUDIA MARCELA OSPINA MOSQUERA
Agenda

Presentación de la Docente Citas y Normas APA

Presentación del Curso Contenido temático

Microcurrículo Formación de Grupos


Acuerdos Pedagógicos
Open Class

Foro de presentación y foro de dudas

Exploracion del Aula Virtual


Presentación del Curso
Como especialista en inteligencia artificial colaborará de manera significativa con el desarrollo
tecnológico, por tanto, es natural que conozca la disciplina de machine learning (aprendizaje
automático), la cual, a través de algoritmos, identifica diferentes tipos de patrones en grandes
bases de datos, lo que permite elaborar análisis predictivos.

Objetivos
El propósito del curso es presentar las diferentes técnicas de machine learning que se
utilizan para el análisis de datos, el reconocimiento de patrones y el desarrollo de
modelos predictivos. Así, mediante la exposición de los conceptos de data cleaning
(limpieza de datos), aprendizaje supervisado, no supervisado y por reforzamiento, usted
obtendrá conocimientos provechosos de machine learning que deberá seguir para
modelar algoritmos que den solución a problemas del sector real. De tal manera, la
finalidad de este curso es facilitarle la comprensión de la temática y darle las
herramientas para seleccionar los modelos de machine learning que se adapten a las
necesidades de cada proyecto.

Proyecciones
Al finalizar del curso, su aprendizaje será integral, pues no solo habrá profundizado
en temas teóricos inherentes a machine learning, como el tratamiento de datos, los
aprendizajes supervisado, no supervisado y por reforzamiento, sino que habrá
desarrollado habilidades para distinguir sus diferencias.

Igualmente, contará con las competencias necesarias para configurar modelos de


reconocimiento de patrones y predictivos en el área de su desempeño profesional, así
como para analizar los resultados de los modelos de machine learning.
Podrá aplicar estos conocimientos de forma sencilla y le darán la pauta para mejorar
sus estrategias y enfrentar los avances de las tecnologías disruptivas que permean a
la globalización.
Microcurrículo
Open Class
Foro de Presentación Foros y
Actividades
El Foro de presentación es un espacio en el que podrá presentarse
con su profesor y compañeros, con la finalidad de que conozca a las
personas con las que compartirá este entorno. Considere:
Su participación es primordial.
Puede participar las veces que lo considere necesario.
En todo momento sus comentarios deben ser respetuosos.

Foro de Dudas
El Foro de dudas es un espacio que le permitirá
interactuar con su profesor y compañeros. Aquí podrá
exponer sus dudas, comentarios, sugerencias e
inquietudes relacionadas con el curso y sus actividades.
Considere:
Su participación es primordial.
Es un espacio que estará disponible durante el curso.
Puede participar las veces que considere necesario.
En todo momento sus comentarios deben ser
respetuosos.
Puede compartir información complementaria
relacionada al curso.
.
Acuerdos Pedagógicos
Aula Virtual
Evaluación
En esta modalidad, deberá realizar entregables y tareas colaborativas.

Actividades Foros Puntos Extra


Estas actividades se La participación en los foros se En las semanas 1 a 6 podrá
desarrollarán en las semanas 2, llevará a cabo en las semanas 3 obtener puntos extra, mediante
4 y 6 de manera individual, y en y 5, lo cual constituye el 30% de actividades opcionales que, en
la semana 8 de forma grupal; su calificación final. Además, en conjunto, pueden llegar a
constituyen el 70% de su las ocho semanas deberá sumar hasta 20% adicional a su
calificación final y serán ingresar a las Open Class, calificación final.
evaluadas mediante donde revisará los contenidos
instrumentos de evaluación de la sesión.
(rúbricas).
Evaluación
En esta modalidad, deberá realizar entregables y tareas colaborativas.
Citas APA Sugerencias de estudio

Las citas y referencias tienen una gran importancia ya que, durante el estudio del curso, se realiza la revisión de los
postulados, conceptos, ideas, entre otros, de distintos autores que no son de autoría propia de quien escribe, es por ello que
al retomarla sin dar crédito al autor de quién se retomó la información se incurre en plagio y violación de los derechos de
autor. Las citas son redacciones que se extraen de manera “textual” o indirecta de un libro, una página web, un blog, una
revista, etc., respetando lo escrito por el autor.

Cita directa Cita corta Cita larga Cita indirecta o


Cuando la cita es de más de 40
paráfrasis
De acuerdo con el
Las citas directas son palabras, se escribe manteniendo la
Manual de Estilo APA Con frecuencia, se usa la
aquellas en las que se sangría del párrafo anterior, en un
(2010) las citas de cita indirecta para hacer
retoma el contenido son bloque aparte, sin comillas y con el
menos de 40 palabras énfasis en el autor
modificar su redacción, mismo espaciado, tamaño y tipo de
se escriben entre original cuando se
y depende de su fuente que se ha utilizado en el
comillas en el mismo retoma información en
extensión el formato texto general. Al final de la cita, se
párrafo. Usualmente se palabras de quien escribe
que tendrá. debe escribir entre paréntesis la
usan cuando se hace el nuevo documento.
fuente y el número de página o del
énfasis en el contenido.
párrafo de donde fue tomada la
información.
Temáticas del curso
Fuentes de Recopilación
Datasets

En la primera semana del curso Machine Learning, se identificará las fuentes de recopilación de datasets y los conceptos
básicos de machine learning. Asimismo, reconocerá los procesos de tratamiento de datos (limpieza de datos): valores perdidos,
valores especiales, datos repetidos o irrelevantes, errores tipográficos, clases mal etiquetadas, valores atípicos, datos faltantes
(categóricos o numéricos). Sumado a esto, comprenderá la importancia del tratamiento de datos para el desarrollo de modelos
de machine learning.
Esta introducción a machine learning incluye una
visión general de su historia, definiciones
importantes, aplicaciones y problemas en los
negocios actuales.
El aprendizaje del machine learning requiere dos

Machine
elementos importantes : La teoría y la práctica.

Learning Teoría Práctica


se requiere aprender
Comprender conceptos herramientas de
matemáticos, y programación y en la
aprender a identificar actualidad Python es el
como se desarrolla un lenguaje de
proyecto en machine programación más
learning. utilizado
¿Por qué Python para Data Science y
Machine Learning

Python? ¿Por qué es importante Es un lenguaje de programación


aprender Python si quiero interpretado, orientado a objetos,
trabajar en Data Science de alto nivel y que usa una
y/o Machine Learning? semántica dinámica

Es Open Source, Librerías y


totalmente gratis Frameworks

comunidad de Librerías Librerías


aprendizaje Esenciales especializadas

intuitivo y Pandas,Numpy, Scikit


versátil Matplotlib learn,Tensorflow
,keras y Pytorch

Portabilidad Librerías opcionales:


OpenCv,Flask,Beautiful
Soup
¿Niveles en Fundamentos en Python

Python? ¿Por qué es importante aprenderlo?

Niveles en Python y
características

Inicial: Librerías y
tipos de datos

Intermedio: Librerías y
tipos de datos avanzados

Avanzado: Desarrollo de
programas cada vez más
sofisticados
¿Librerías
en
Python?
Código en
Python
Características de Python
Características de Python
Características de Python
Características de Python
Características de Python
Ruta de Introducción a Python
Recomendación de acercamiento a Python
Ruta de Aprendizaje a Python
Ruta de Aprendizaje a Python
Ruta de Aprendizaje a Python
Uso de las librerías en Python
Librerías especializadas
Librerías especializadas
Fundamentos
para IA

¡Gracias!
No dude en contactar al Docente si tiene alguna
pregunta.

También podría gustarte