2.Máster en Ciencia de Datos / DataScience

cupón FEBRERO: C7092F6A398034C4ABFC

1. Introducción al Machine Learning
   Comprenderás los principios fundamentales del aprendizaje automático, sus aplicaciones y los tipos de problemas que resuelve.

2. Métricas de Evaluación para Clasificación y Regresión
   Aprenderás a evaluar modelos mediante métricas como precisión, recall, F1-score, RMSE y MAE, asegurando su correcta interpretación.

3. Modelos Lineales y Árboles de Decisión
   Explorarás modelos como regresión lineal, regresión logística y árboles de decisión, entendiendo su funcionamiento y aplicaciones.

4. Rebalanceo y Recalibrado de Variables
   Descubrirás estrategias para manejar datos desbalanceados y mejorar la representación de variables en los modelos.

5. Máquinas de Vectores de Soporte y Naïve Bayes
   Analizarás estos algoritmos de clasificación y sus ventajas en distintos tipos de datos.

6. K Vecinos Más Cercanos y Algoritmos de Boosting
   Estudiarás KNN y técnicas avanzadas como AdaBoost, Gradient Boosting y XGBoost, aplicando su teoría y práctica en problemas de regresión.

Proyectos Prácticos

• Tasación de Viviendas (Regresión)
  Aplicarás modelos de regresión para predecir el valor de inmuebles en función de características como ubicación, tamaño y antigüedad.

• Abandono de Clientes (Clasificación)
  Implementarás modelos de clasificación para identificar patrones que indiquen la probabilidad de que un cliente deje un servicio, optimizando estrategias de retención.

Este curso te brindará una formación integral en Machine Learning, combinando teoría y práctica para desarrollar habilidades aplicables en ciencia de datos y análisis predictivo.