Este curso introducirá al alumno al aprendizaje automático aplicado, centrándose más en las técnicas y métodos que en las estadísticas detrás de estos métodos.

El curso comenzará con una discusión sobre cómo el aprendizaje automático es diferente de las estadísticas descriptivas y presentará el kit de herramientas scikit learn a través de un tutorial.

Se discutirá la cuestión de la dimensionalidad de los datos y se abordará la tarea de agrupar los datos, así como evaluar esos grupos.

Se describirán enfoques supervisados ​​para crear modelos predictivos y los alumnos podrán aplicar los métodos de modelado predictivo scikit learn mientras comprenden los problemas del proceso relacionados con la generalización de datos (por ejemplo, validación cruzada, sobreajuste).

El curso terminará con una mirada a técnicas más avanzadas, como la construcción de conjuntos, y las limitaciones prácticas de los modelos predictivos.

Al final de este curso, los estudiantes podrán identificar la diferencia entre una técnica supervisada (clasificación) y no supervisada (agrupamiento), identificar qué técnica necesitan aplicar para un conjunto de datos y una necesidad en particular, diseñar características para satisfacer esa necesidad y escribir código Python para realizar un análisis.

Este curso debe tomarse después de Introducción a la ciencia de datos en Python y Trazado, gráficos y representación de datos aplicados en Python y antes de Minería de texto aplicada en Python y Análisis social aplicado en Python.