![logoEduca360](https://dgformacion.com/wp-content/uploads/2024/07/logoEduca360-600x164.png)
ENTRENAMIENTO EN SISTEMAS DE INTELIGENCIA ARTIFICIAL
Información adicional
Horas | 60 |
---|---|
Código | |
Formato | Digital |
Proveedor | EDUCA360, S.L. |
34,80 €
*Los precios no incluyen el IVA.
Objetivos
Contenidos
Objetivos
ÍNDICE
1. Aprendizaje Supervisado
- Introducción al Aprendizaje Supervisado
- Usos y Aplicaciones del Aprendizaje Supervisado
- Proceso de Entrenamiento en el Aprendizaje Supervisado
- Algoritmos de Aprendizaje Supervisado
- Desafíos en el Aprendizaje Supervisado
- Herramientas y Librerías para el Aprendizaje Supervisado
- Conclusiones y Perspectivas Futuras
1.2 Aprendizaje No Supervisado
- Introducción al Aprendizaje No Supervisado
- Técnicas Principales del Aprendizaje No Supervisado
- Aplicaciones del Aprendizaje No Supervisado
- Evaluación de Modelos en Aprendizaje No Supervisado
- Herramientas y Bibliotecas – Aprendizaje No Supervisado
- Casos de Estudio y Ejemplos Reales
1.3 Aprendizaje Semi-supervisado
- Introducción al Aprendizaje Semi-supervisado
- Algoritmos y Modelos en Aprendizaje Semi-supervisado
- Técnicas de Implementación
- Casos de Uso y Aplicaciones Prácticas
1.4 Aprendizaje por Refuerzo
- Introducción al Aprendizaje por Refuerzo
- Componentes Clave del Aprendizaje por Refuerzo
- Procesos de Decisión de Markov (MDP)
- Estrategias de Aprendizaje en Aprendizaje por Refuerzo
- Algoritmos de Aprendizaje por Refuerzo
- Casos Prácticos y Aplicaciones
- Resumen y Conclusión
2. Métodos Específicos de Aprendizaje Automático
- Clasificación en el Ámbito del Aprendizaje Automático
- Regresión
- Segmentación
- Detección de Objetos
3. Técnicas Paramétricas y No Paramétricas
- Gaussian Mixture Models
- Árboles de Decisión y Variantes
- K-NN y Kernel Density Estimation
- Support Vector Machines y K-Means
4. Técnicas Holísticas: Redes Neuronales
- Redes Fully Connected y Convolutional
- Redes Recurrentes y Transformers
- Autoencoders y Encoder-Decoder
5. Técnicas de Regularización
- Métodos y Aplicaciones
6. Métricas de Evaluación de Modelos
- MSE, MAE, Accuracy, Precisión y Recall
- Specificity, F1-Score, Ratios, AUC, IoU
7. Herramientas Software
- Implementación de Técnicas
- Entornos de Desarrollo Integrados (IDEs) y Bibliotecas para IA
- Plataformas de Desarrollo y Colaboración en la Nube
- Herramientas de Visualización de Datos
- Gestión y Preprocesamiento de Datos
- Implementación Práctica de Modelos de IA
- Despliegue de Modelos de IA
- Consideraciones Finales y Mejores Prácticas
Contenidos