Cursos y Programas Especializados

Machine Learning con Python y sus Aplicaciones

Fecha
25 de Octubre del 2021
Modalidad
Virtual
Tipo
Cursos y Programas Especializados
Duración
12 días
Lugar
Plataforma Blackboard
Departamento
Departamento de Ingeniería Eléctrica Y Electrónica
Fecha
25 de Octubre del 2021
Modalidad
Virtual
Tipo
Cursos y Programas Especializados
Duración
12 días
Lugar
Plataforma Blackboard
Departamento
Departamento de Ingeniería Eléctrica Y Electrónica

Presentación

Machine Learning o Aprendizaje Máquina es un campo de estudio que en la actualidad es transversal a muchas áreas del campo de la ingeniería. En el presente curso se muestran los conceptos básicos del Aprendizaje Máquina usando el lenguaje de programación Python. Así, en las sesiones se describe a qué nos referimos con Aprendizaje Máquina, su propósito, y, sobre todo cómo es aplicado a sistemas que utilizamos en nuestra vida diaria. Esto se logrará después de presentar los conceptos y teoría básica de aprendizaje supervisado y no supervisado, así como las tareas de regresión, clasificación y agrupamiento; mostrando sus ventajas frente a otros métodos en aplicaciones tales como la clasificación de imágenes desde números manuscritos, imágenes satelitales, imágenes biomédicas, detección de personas, detección y clasificación de objetos, clasificación de eventos acústicos, detección de anomalías en señales de sensores, entre muchas otras.

Al finalizar el curso, el participante tendrá la habilidad de reconocer qué tareas se pueden realizar de manera automática utilizando los algoritmos presentados y podrá definir los requisitos para poder optimizar los modelos de aprendizaje automático y ponerlos en funcionamiento.

Objetivo

El principal objetivo del curso es dar una visión básica de Python de tal manera que los participantes puedan reflejar en un programa un problema científico con las herramientas de análisis de datos y dibujo que Python ofrece.

Dirigido a

  • Estudiantes de Ingeniería Electrónica, Ingeniería Mecatrónica, Ingeniería Industrial, Ciencias de la Computación, Ingeniería Civil, Ingeniería Ambiental.
  • Estudiantes y profesionales con conceptos básicos de programación de las carreras afines a Ingeniería Electrónica, Ingeniería de Sistemas, Ciencias de la computación, Ingeniería Industrial, Ingeniería de Telecomunicaciones, Geología, Minas, Biomédicas, Ciencias Naturales: Física-Química-Matemática, que deseen automatizar tareas tales como la detección automática de eventos a partir de datos complejos a través del análisis de datos y estimar tendencias futuras, o encontrar grupos particulares de datos utilizando algoritmos propios del campo de la Inteligencia Artificial y del Machine Learning.

Contenido

Sesión 1:

    • Introducción al Machine Learning.
    • Aplicaciones del Machine Learning.
    • Bases de datos.

Sesión 2:

    • Aprendizaje Supervisado vs No supervisado.
    • Regresión: Regresión Lineal 1.
    • Predicción de ventas.

Sesión 3:

    • Regresión: Regresión Lineal 2.
    • Calidad de ventas.

Sesión 4:

    • Regresión No-Lineal.
    • Evaluación de modelos.
    • Estimación de valor de acciones.

Sesión 5:

    • Regresión No-Lineal.
    • Evaluación de modelos.
    • Estimación de la fuerza de concreto.

Sesión 6:

    • Clasificación.
    • K-NN.
    • Árboles de decisión.
    • Clasificación de números manuscritos.

Sesión 7:

    • Regresión Logística.
    • Redes Neuronales.
    • Clasificación de números manuscritos.

Sesión 8:

    • Redes Neuronales.
    • Localización de usuarios basado en señales WiFi.

Sesión 9:

    • Máquinas de Vectores Soporte.
    • Detección de grietas en concreto.
    • Clasificación de tipo arroz.

Sesión 10:

    • Aprendizaje no supervisado.
    • K-means.
    • Agrupamiento en imágenes satelitales.

Sesión 11:

    • Introducción a redes profundas.
    • Clasificación de imágenes biomédicas.

Sesión 12:

    • Estimación de generación de energía.
    • Clasificación de personas.
    • Ejemplos de aplicación varios.

Expositor

M.Sc. Juan José Choquehuanca Zevallos

Egresado de la Universidad Nacional de San Agustín. Posee estudios de maestría en la Universidad Carlos III de Madrid, España. Se especializa en el procesamiento de datos espaciales y temporales utilizando técnicas de aprendizaje automático. Posee publicaciones en el campo del procesamiento de la señal en revistas indizadas y congresos. Actualmente se desempeña como docente de la Universidad Católica San Pablo.

Metodología

Teórica-práctica.

Requisitos de admisión

Conocimientos básicos de programación.

Duración

12 días.

Calendario

Inicio 25 de octubre de 2021
Fin 22 de noviembre de 2021
Horario Lunes, miércoles y viernes de 19:00 h a 20:30 h
Horas académicas 24 horas académicas
Lugar Clases Virtuales a través de plataforma Blackboard

Inversión

  • Inversión: Único pago S/ 300.00
  • Descuentos:
    • 15% de descuento a comunidad UCSP.
    • 10% de descuento corporativo (3 personas).
    • 10% para los Colegiados del Colegio de Ingenieros del Perú.

Certificación

Certificado UCSP.

Recomendaciones

  1. Contar con PC o Laptop
  2. Cámara web (interna o externa) con mínimo de 720p de resolución
  3. Micrófono (interno o externo)
  4. Acceso a internet – la velocidad recomendada es de 4 Mbps para descarga y 1 Mbps para subida o superior
  5. Navegador Google Chrome o Firefox actualizado

Normas para el buen desempeño de los participantes

Eventos relacionados