3.Máster en Ciencia de Datos / DataScience

cupón FEBRERO: C3108CD22461F3145FBA

1. Introducción al Machine Learning

   Comprenderás los principios fundamentales del aprendizaje automático, sus   aplicaciones y los tipos de problemas que resuelve.

2. Métodos de Reducción de Dimensionalidad y Agrupamiento

   Aprenderás técnicas como PCA y algoritmos de clustering, incluyendo K-Means, DBSCAN, Gaussian Mixture y Agglomerative Clustering, comprendiendo su funcionamiento y aplicaciones.

3. Evaluación de Modelos de Segmentación

   Explorarás métricas para evaluar la calidad de la segmentación y detección de patrones en datos no etiquetados, asegurando una correcta interpretación de los resultados.

   Estrategias para la Selección y Transformación de Variables

   Aplicaciones de Modelos No Supervisados

   Analizarás el uso de algoritmos de clustering y reducción de dimensionalidad en diversos escenarios, desde la segmentación de clientes hasta la detección de anomalías.

4. Proyectos Prácticos

• Segmentación de Clientes
  Aplicarás modelos de clustering para agrupar clientes según sus comportamientos y características, optimizando estrategias comerciales y de marketing.

• Recomendador de Productos
  Desarrollarás sistemas de recomendación basados en segmentación y patrones de consumo, mejorando la personalización en plataformas de venta.

• Segmentación de Pacientes según un Discriminante
  Utilizarás técnicas de reducción de dimensionalidad y clustering para clasificar pacientes en grupos relevantes para análisis del tratamiento.

• Detección de Anomalías en Tarjetas de Crédito
  Implementarás algoritmos de detección de anomalías para identificar patrones sospechosos en transacciones, contribuyendo a la prevención de fraudes.

Este curso te brindará una formación integral en Machine Learning no supervisado, combinando teoría y práctica para desarrollar habilidades aplicables en ciencia de datos y análisis predictivo.