No es cuestión del lenguaje, es la técnica, el método y la práctica aplicada a los datos.
Este curso desafía a los desarrolladores a comprender el valor que puede derivarse de incorporar algoritmos de Machine Learning y los anima de forma práctica a implementar programas capaces de aprender de los datos, a través de ejemplos concretos programados con herramientas basadas en lenguaje Java.
El curso está diseñado para que desarrolladores de software que usen Java como lenguaje principal en su día a día puedan comprender el potencial y la lógica detrás de algoritmos de Clasificación, Regresión y Agrupación sin la fricción de aprender un lenguaje diferente al mismo tiempo. Esto con el objetivo de comprender los conceptos y fundamentos básicos del Machine Learning desde una perspectiva práctica.
· A quien va dirigido:
Este curso está dirigido a desarrolladores de software que usen Java como lenguaje principal en su día a día.
· Pre-requisitos:
Necesarios:
- Conocimiento en el lenguaje Java
Recomendables:
- Conocimientos en estadística
· Contenido del entrenamiento:
- Introducción al Machine Learning
- ¿Que es el Machine Learning?
- Usos del Machine Learning en el mundo real
- Tipos de aprendizaje
- Aprendizaje supervisado Aprendizaje no-supervisado Aprendizaje reforzado
- ¿Que es un problema de datos?
- Preparación de datos
- Selección de modelos
- Validación de modelos
- Herramientas y formas de despliegue en Java
- Programando mi primer modelo de ML (kNN) en Java
- Modelos de Clasificación
- Árboles de decisión
- Naive Bayes
- Máquinas de soporte vectorial
- Modelos para comparación de Textos
- Entendiendo las métricas de distancia.
- Métodos de búsqueda de similitud en cadenas
- Distancia de Levenshtein
- Distancia Jaro-Winkler
- N-Gramas y similitud de coseno
- Creación de Bag of words
- Clasificación de sentimientos en textos con Naive Bayes
- Modelos de Regresión
- Regresión Lineal
- Regresión Gaussiana
- Regresión con Máquinas de Soporte Vectoria
- Regresión Perceptron Multicapa
- Modelos de Agrupación
- Reducción dimensional
- Modelo K-means
- Modelo Cobweb