Modalidad: Online
60 horas (6 sem)
Todo el año
Un flujo de trabajo integral del Machine Learning con modelado predictivo utilizando el paquete caret en R Software. Aprende los principales algoritmos predictivos para convertirte en un Data Science experto.
El Curso de Machine Learning con Caret en R, es un programa práctico impartido con la metodología exclusiva de Máxima Formación, 100% on-line y learn by doing (aprender haciendo).
¿Por qué es único?
Porque está diseñado con el enfoque práctico que requieren los profesionales del análisis de datos cuyo objetivo es aplicar el Machine Learning para resolver problemas de clasificación y regresión
Nuestro programa formativo con enfoque práctico:
- Garantiza una curva de aprendizaje progresiva y se adapta a tu nivel de desempeño.
- Pone el énfasis en el seguimiento diario de tus necesidades de aprendizaje particulares.
- Disfrutas de un asesoramiento de calidad que te permite aplicar los nuevos conocimientos, desde el primer día.
Tras finalizar esta formación recibirás un diploma expedido por Máxima Formación como garantía de aprovechamiento del curso.
100% on-line y learn by doing.
Marca tu propio ritmo de aprendizaje, donde y cuando quieras, de forma progresiva y con la flexibilidad que te ofrece nuestra metodología con evaluación continua:
- Tutorización personalizada. Con el apoyo individualizado de un docente comprometido con tus necesidades de aprendizaje. Consulta sin límites.
- Enfoque Learn by doing. Pon en práctica los nuevos conocimientos analizando casos reales completamente aplicables a tu realidad profesional.
- A tu ritmo. Aprende cuándo y dónde quieras, marca tu propio ritmo de aprendizaje, sin fechas ni plazos de entrega.
- Contenidos de calidad. Evoluciona paso a paso con materiales didácticos, actualizados y prácticos aplicables a tus proyectos profesionales.
- Evaluación continua. Basada en el apoyo individualizado del alumno para garantizar la comprensión de conceptos y su capacidad técnica para resolver los ejercicios propuestos.
- Recursos. Materiales audiovisuales, guías prácticas y bibliografía complementaria, para ir más allá en tu desempeño.
Para acceder al Curso de Machine Learning con Caret no se establece ningún requisito.
Destinatarios
Todas aquellas personas interesadas en aprender Machine Learning con un conocimiento básico del lenguaje R y que quieran simplificar en una sola librería el proceso de modelado.
Un curso práctico orientado a estudiantes, profesionales, investigadores y PhD interesados en mejorar tus modelos de aprendizaje automático para resolver problemas de regresión y clasificación con técnicas como:
- Selección de modelos y variables,
- Búsqueda de hiperparámetros,
- Distintos pre-procesados así como a realizar modelos de Ensemble o Stacking,
- Con ejemplos de conjuntos reales.
CURSO DE NIVEL INTERMEDIO
Para realizar el curso se necesita tener un conocimiento básico sobre el lenguaje R y de algoritmos de Machine Learning. El curso no se explica el funcionamiento de los algoritmos sino como implementarlos con la librería Caret.
Al finalizar el Curso de Machine Learning con Caret en R serás capaz de:
- Preparar el conjunto de datos para aplicar distintos algoritmos de Machine Learning.
- Seleccionar entre distintos transformaciones que maximicen los resultados de tus modelos.
- Realizar un procedimiento para seleccionar los algoritmos que saquen el máximo provecho a tus datos.
- Optimizarás los parámetros de tus modelos para mejorar los resultados.
- Aplicar distintos algoritmos para seleccionar las características más importantes para tus modelos.
- Aprenderás las técnicas que ganan los concursos de ciencia de datos como son los modelos Ensembles y Stacking.
TEMA 1. VISUALIZACIÓN Y PRE-PROCESADO DE DATOS
En este tema aprenderemos como utilizar la librería Caret de R para realizar una primera fase exploratoria de los datos y preparar el conjunto de datos para sacar el máximo partido a ellos en la fase de modelado. Principalmente utilizaremos el paquete Caret desarrollado por Max Kunh, sin olvidarnos de otras librerías que nos facilitarán el proceso.
Lo que aprenderás:
✓ Introducción al paquete caret para realizar modelos de regresión y clasificación.
✓ El proceso para resolver un problema de Machine Learning.
✓ Realizar un proceso de exploración de los datos (EDA).
✓ Aprenderemos a visualizar nuestros datos para identificar variables importantes.
✓ Realizaremos un pre-procesado de datos para dejar preparado el conjunto de datos para la fase de modelado,
TEMA 2. MODELADO CON LIBERIA CARET
Aprenderemos como entrenar distintos algoritmos con la librería Caret, con distintas opciones de entrenamiento que nos proporciona la librería, para maximizar nuestras métricas.
Lo que aprenderás:
✓ Métricas más importantes para un problema de regresión y clasificación.
✓ Guardar y cargar un modelo para utilizarlo posteriormente.
✓ Selección de modelos con clases desequilibradas.
✓ Opciones de pre-procesado.
TEMA 3. SELECCIÓN DE CARACTERÍSTICAS E HIPERPARÁMETROS
Unos de los problemas que nos encontramos cuando nos enfrentamos a un conjunto de datos real, es el número de predictores que componen el conjunto de datos, y como selecciónalos para entrenar el modelo. En esta sección aprenderemos distintos métodos para seleccionar las variables más importantes. Además, veremos como mejorar las métricas de los modelos por medio de los mejores valores para sus parámetros.
Lo que aprenderás:
✓ Modelos de Selección de Variables.
✓ Modelos de Filtro.
✓ Modelos de Hiperparámetros.
TEMA 4. MODELOS ENSEMBLE Y STACKING
Una de las técnicas para mejorar las métricas de los modelos, es por medio de los modelos de modelos. Los resultados de unir predicciones de varios modelos pueden hacer que superemos las métricas de los modelos individuales.
Lo que aprenderás:
✓ Modelos Ensemble: Regresión.
✓ Modelos Ensemble: Clasificación.
✓ Modelos Stacking: Clasificación.
Claustro docente
El seguimiento personalizado es uno de nuestros puntos fuertes.
En este curso contarás con el asesoramiento y las tutorías ilimitadas de un docente experto que va compartir contigo todo su conocimiento y su experiencia en el desarrollo de proyectos de Machine Learning con R.
Ignacio García
Analista de Riesgos con más de 10 años de experiencia en la creación de modelos de riesgo, marketing y mejora de procesos, aplicando métodos de Machine Learning. Su capacidad para conjugar aspectos de negocio y técnicos lo convierte en el docente idóneo para esta formación especializada.