Förstärkningskurs (förstärkningslärande, RL) + 8 ECTS -krediter

ML -övervakad lärarkurs är utformad för att förvärva nödvändiga färdigheter i en sektor i full boom, där efterfrågan på utbildade yrkesverksamma inte slutar växa. Denna kurs kommer att ge dig en solid bas i regressions-, klassificerings- och utvärderingstekniker, nödvändig för alla kandidat för datavetare. Du kommer att lära dig av grunden för automatisk inlärning till avancerade metoder som neuronala nätverk och stödvektorer, så att du förbereder dig för att möta de aktuella utmaningarna i arbetsvärlden. Denna onlinekurs erbjuder flexibilitet och tillgänglighet, så att du kan gå vidare i din egen takt medan du blir expert på övervakat lärande.

- Förstå grunden för övervakat lärande i maskininlärning. - Lär dig hur du förbereder och förbereder data för maskininlärningsmodeller. - Tillämpa linjär regression för att lösa förutsägelseproblem. - Använd logistikregression i binära klassificeringsuppgifter. - Utvärdera modeller genom korsvalideringstekniker. - Implementera beslut och monteringsträd som slumpmässig skog. - Utveckla neurala nätverk fokuserade på övervakat lärande.

De viktigaste professionella utgångarna från den övervakade lärarkursen i ML finns inom områden som datavetenskap med inriktning på prediktiv analys, maskininlärningsteknik i tekniska företag, konstgjord intelligenskonsultation för modellernas utveckling, dataanalys inom finansiella och marknadsföringssektorer, bland andra.

ML -övervakad inlärningskurs förbereder dig för att hantera komplexa dataanalysproblem genom avancerade maskininlärningstekniker. Du kommer att lära dig av förberedelserna och förbehandlingen av data till tillämpningen av regressions- och klassificeringsalgoritmer. Du kommer att dominera modeller som beslutsträd och neuronala nätverk, utvärdera dess effektivitet med tvärvalidering, bland annat.

ML -övervakad lärarkurs är utformad för proffs och kandidater som vill fördjupa automatiska inlärningstekniker. Den behandlar från introduktionen till övervakat lärande till tillämpningen av neuronala nätverk, genom linjär regression, beslutsträd och SVM, vilket ger viktiga verktyg för dataanalys och 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.