Forstærkningskursus (forstærkningslæring, RL) + 8 ECTS -kreditter

ML -overvåget læringskursus er designet til at erhverve de nødvendige færdigheder i en sektor i fuld boom, hvor efterspørgslen efter uddannede fagfolk ikke holder op med at vokse. Dette kursus giver dig en solid base i regression, klassificering og evalueringsteknikker, der er vigtig for enhver kandidat til datavidenskabsmand. Du lærer af grundlaget for automatisk læring til avancerede metoder såsom neuronale netværk og supportvektormaskiner, hvilket sikrer, at du forbereder dig på at møde de aktuelle udfordringer i arbejdsverdenen. Dette online kursus giver fleksibilitet og tilgængelighed, så du kan gå videre i dit eget tempo, mens du bliver ekspert i overvåget læring.

- Forstå grundlaget for overvåget læring i maskinlæring. - Lær hvordan du forbereder og preptra data til maskinlæringsmodeller. - Påfør lineær regression for at løse forudsigelsesproblemer. - Brug logistikregression i binære klassificeringsopgaver. - Evaluer modeller gennem krydsvalideringsteknikker. - Implementere beslutning og samlingstræer såsom tilfældig skov. - Udvikle neurale netværk med fokus på overvåget læring.

De vigtigste professionelle output fra det overvågede læringskursus i ML er inden for områder som datavidenskab, der fokuserer på forudsigelig analyse, Machine Learning Engineering i tekniske virksomheder, kunstig intelligensrådgivning for modellerudvikling, dataanalyse i økonomiske og markedsføringssektorer, blandt andre.

ML -overvåget læringskursus forbereder dig til at løse komplekse dataanalyseproblemer gennem avancerede maskinlæringsteknikker. Du lærer af forberedelse og forarbejdning af data til anvendelsen af regressions- og klassificeringsalgoritmer. Du vil dominere modeller såsom beslutningstræer og neuronale netværk og evaluere dens effektivitet med krydsvalidering blandt andet.

ML -overvåget læringskursus er designet til fagfolk og kandidater, der ønsker at uddybe automatiske læringsteknikker. Den adresserer fra introduktionen til overvåget læring til anvendelsen af neuronale netværk gennem lineær regression, beslutningstræer og SVM, der giver vigtige værktøjer til dataanalyse og modellering.

La presente formación no está incluida dentro del ámbito de la formación oficial reglada (Educación Infantil, Educación Primaria, Educación Secundaria, Formación Profesional Oficial FP, Bachillerato, Grado Universitario, Master Oficial Universitario y Doctorado). Se trata por tanto de una formación complementaria y/o de especialización, dirigida a la adquisición de determinadas competencias, habilidades o aptitudes de índole profesional, pudiendo ser baremable como mérito en bolsas de trabajo y/o concursos oposición, siempre dentro del apartado de Formación Complementaria y/o Formación Continua siendo siempre imprescindible la revisión de los requisitos específicos de baremación de las bolsa de trabajo público en concreto a la que deseemos presentarnos.