Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa del Curso
Introducción
- Diferencia entre el aprendizaje estadístico (análisis estadístico) y el aprendizaje automático
- Adopción de la tecnología de aprendizaje automático por parte de las empresas financieras y bancarias
Diferentes tipos de aprendizaje automático
- Aprendizaje supervisado vs aprendizaje no supervisado
- Iteracion y evaluacion
- Diferencia de sesgo-varianza
- Combinando el aprendizaje supervisado y no supervisado (aprendizaje semi-supervisado)
Lenguajes y juegos de herramientas de aprendizaje automático
- Código abierto vs sistemas y software patentados
- R vs Python vs Matlab
- Bibliotecas y marcos
Estudios de casos de Machine Learning
- Datos del consumidor y Big Data
- Evaluar el riesgo en los préstamos de consumo y negocios
- Mejorando el servicio al cliente a través del análisis de sentimiento
- Detección de fraude de identidad, fraude de facturación y lavado de dinero
Introducción a R
- Instalación de RStudio IDE
- Cargando paquetes R
- Estructuras de datos
- Vectores
- Factores
- Liza
- Marcos de datos
- Matrices y matrices
Cómo cargar datos de aprendizaje automático
- Bases de datos, data warehouses y transmisión de datos
- Almacenamiento distribuido y procesamiento con Hadoop y Spark
- Importar datos de una base de datos
- Importar datos de Excel y CSV
Modelando las decisiones comerciales con el aprendizaje supervisado
- Clasificando sus datos (clasificación)
- Usando análisis de regresión para predecir el resultado
- Elegir entre los algoritmos de aprendizaje automático disponibles
- Comprender los algoritmos del árbol de decisión
- Comprender algoritmos forestales aleatorios
- Evaluación del modelo
- Ejercicio
Análisis de regresión
- Regresión lineal
- Generalizaciones y no linealidad
- Ejercicio
Clasificación
- Refrescante Bayesiano
- Naive Bayes
- Regresión logística
- K-vecinos más cercanos
- Ejercicio
Hands-on: Construyendo un Modelo de Estimación
- Evaluar el riesgo de préstamo basado en el tipo e historial del cliente
Evaluación del rendimiento de los algoritmos de aprendizaje automático
- Validación cruzada y remuestreo
- Agregación Bootstrap (ensacado)
- Ejercicio
Modelando las decisiones comerciales con el aprendizaje no supervisado
- Cuando los conjuntos de datos de muestra no están disponibles
- K-means clustering
- Desafíos del aprendizaje no supervisado
- Más allá de K-means
- Redes Bayes y Modelos Ocultos de Markov
- Ejercicio
Hands-on: Construyendo un Sistema de Recomendación
- Analizar el comportamiento del cliente pasado para mejorar las nuevas ofertas de servicios
Extender las capacidades de su empresa
- Desarrollando modelos en la nube
- Aceleración del aprendizaje automático con GPU adicionales
- Aplicación de redes neuronales Deep Learning para visión artificial, reconocimiento de voz y análisis de texto
Comentarios finales
Requerimientos
- Experiencia de programación con cualquier idioma
- Familiaridad básica con estadísticas y álgebra lineal
28 horas