Udemy
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
Turn what you know into an opportunity and reach millions around the world.
Learn More
Your cart is empty.
Keep shopping
Machine Learning con Knime para no programadores y Gerentes
Highest Rated
Rating: 4.7 out of 5(215 ratings)
2,461 students

Machine Learning con Knime para no programadores y Gerentes

Aprende Inteligencia artificial para tomadores de decisiones con herramientas gráficas configurables sin programación
Last updated 6/2025
Spanish

What you'll learn

  • Machine learning (aprendizaje automático)
  • Cargar y transformar data (ETL)
  • Utilizar modelos de regresión, clasificación, segmentación, árboles binarios y redes neuronales
  • visualización de datos

Course content

47 sections56 lectures8h 54m total length
  • Descargar la versión 2025 sin necesidad de registrarse4:23
  • Instalación de Knime paso a paso8:06

Requirements

  • No se requiere experiencia, se parte de cero y se explican incluso los conceptos estadísticos en detalle.

Description

En los últimos años, el machine learning se ha convertido en una herramienta fundamental para la toma de decisiones en el mundo corporativo, así como también ampliamente utilizado en diferentes áreas, que abarcan desde los negocios hasta la más pura ciencia, permitiendo que la computadora realice las tareas más difíciles encontrando patrones y correlaciones entre variables que permitan mediante la estadística inferencial el hacer predicciones basadas en datos, lo cual permite crear ventajas competitivas en diversos campos, aprovechando los insumos de información histórica de la empresa o negocio para encontrar patrones y correlaciones que nos permitan identificar posibles resultados futuros. bajo el paradigma del aprendizaje supervisado aplicaremos el concepto de regresión lineal para proyectar mediante la ecuación de la recta, los posibles valores resultados con relación a variables predictoras y a variables dependientes, en el cual el Machine Learning sea capaz de identificar los pesos de importancia para cada una de las variables participantes, su relación con la variable de interés a predecir e incluso determinar si alguna variable del sistema puede ser descartada, con el fin de crear un modelo con un alto nivel de confiabilidad estadística que contribuya en el proceso de toma de decisiones gerencial, finalmente uno de los objetivos del curso es entender también la importancia de la visualización de datos para lograr una mayor comprensión sobre los resultados del modelo y así identificar que tal lejos o cerca de los resultados reales seleccionados para evaluar el modelo nos encontramos

Who this course is for:

  • Tomadores de decisiones, analistas de datos, estudiantes de ciencia de datos, interesados en machine learning, deep learning y Data Science en general