Implementación y evaluación de los modelos supervisados

Modelos analíticos: Regresión y Clasificación binaria

Algoritmos de clasificación: Árboles de decisión y Random Forest

Algoritmos XGBoost y CatBoost: Comparación de algoritmos

Caso 1: Técnicas de mejora de rendimiento de modelo

Caso 2: Ajuste de parámentros de modelos supervisados

Taller 2: Análisis y ajuste de variables críticas de modelo

Método de clustering: K- Means

Método de clustering: DBScam

Modelo de asociación - Inmersión

Detección de anomalías en modelos no supervisados

Evaluación de desempeño de modelos en Clustering

Caso 1: Elaboración de subconjuntos mediante Clustering

Caso 2: Cómo identificar a mis usuarios potenciales

Taller 3: Identificando relaciones entre datos estructurados

¿Por qué Deep Learning? Aplicaciones y usos

Modelos de Deep Learning

Redes neuronales convencionales y recurrentes

Deep Learning con TensorFlow

Construcción de una red neuronal artificial

Caso 1: Aplicaciones de modelos de Deep Learning

Caso 2: Diseño de una red neuronal

Taller 4: Análisis de tendencias en comportamiento de usuario

Modelado de series de tiempo

Evaluación de modelos de series de tiempo

Aplicaciones anvanzadas de filtrado de datos

Sistemas de recomendación basado en contenido

Modelo Factorización Marcial: Matrix Factorization

Caso 1: Aplicaciones de series de tiempo en la industria

Caso 2: Análisis de aplicaciones en modelos de recomendación

Taller 5: Diseño e implementación de sistemas de recomendación

Procesamiento de lenguajes natural: casos de uso

Limpieza y depuración de textos

Aplicación de técnicas de procesamiento de lenguaje natural

Modelado de temas y aplicación de modelos supervisados

Caso 1: Clasificación de imágenes utilizando un conjunto de datos

Caso 2: Publicando tu modelo analítico en Git Hub

Taller 6: Optimizando el desempeño de tus modelos de ML