We may earn an affiliate commission when you visit our partners.
Course image
José Hernández-Orallo, María José Ramírez Quintana, and Fernando Martínez Plumed

El aprendizaje automático es una habilidad que toma cada vez más relevancia debido al gran número de datos (big data), los cuales deben de ser analizados para tomar decisiones.

Read more

El aprendizaje automático es una habilidad que toma cada vez más relevancia debido al gran número de datos (big data), los cuales deben de ser analizados para tomar decisiones.

En este curso en línea aprenderás los conceptos básicos del aprendizaje automático (machine learning) y la ciencia de datos.En particular,aprenderáslas técnicas necesarias para evaluar el rendimiento de los algoritmos y de los modelos obtenidos. También aprenderás como preprocesar los datos para obtener así modelos de mayor calidad (simples, comprensibles, eficientes, etc.). Por último, en este curso de análisis de datos aprenderás a poner en funcionamiento las técnicas estudiadas mediante un ejemplo prácticoprogramando tus propios scripts y algoritmos en R.

What you'll learn

  • Reconocer el valor de los datos en las organizaciones y las posibilidades de negocio que plantea su explotación para el desarrollo de productos basados en datos (inteligencia de negocios)
  • Utilizar técnicas de aprendizaje automático, entre otras, para extraer modelos descriptivos y predictivos a partir de los datos, así como saber evaluarlos correctamente
  • Conocer y utilizar las herramientas básicas de integración y preparación de datos, incluyendo visualización de datos, para facilitar la comprensión y el análisis de los datos
  • Aprender a utilizar un lenguaje de programación de análisis de datos (lenguaje R) y las librerías básicas de visualización y algunas de las que permiten generar modelos de aprendizaje automático.

Three deals to help you save

What's inside

Learning objectives

  • Reconocer el valor de los datos en las organizaciones y las posibilidades de negocio que plantea su explotación para el desarrollo de productos basados en datos (inteligencia de negocios)
  • Utilizar técnicas de aprendizaje automático, entre otras, para extraer modelos descriptivos y predictivos a partir de los datos, así como saber evaluarlos correctamente
  • Conocer y utilizar las herramientas básicas de integración y preparación de datos, incluyendo visualización de datos, para facilitar la comprensión y el análisis de los datos
  • Aprender a utilizar un lenguaje de programación de análisis de datos (lenguaje r) y las librerías básicas de visualización y algunas de las que permiten generar modelos de aprendizaje automático.

Syllabus

UNIDAD 1. Introducción al aprendizaje automático y la ciencia de datos PRÁCTICA 1. Introducción al lenguaje R
UNIDAD 2. Evaluación de modelos de aprendizaje automático PRÁCTICA 2. Evaluación de modelos de aprendizaje automático
Read more
UNIDAD 3. Técnicas básicas de aprendizaje automático PRÁCTICA 3. Práctica de creación de modelos de aprendizaje automático
UNIDAD 4. Preprocesamiento de datos PRÁCTICA 4. Visualización
PROYECTO

Good to know

Know what's good
, what to watch for
, and possible dealbreakers
Enseña técnicas de aprendizaje automático, lo que permite a los estudiantes desarrollar modelos para la predicción y toma de decisiones
Utiliza el lenguaje de programación R, una herramienta ampliamente utilizada en el análisis de datos y el aprendizaje automático
Cubre temas esenciales como la evaluación de modelos, el preprocesamiento de datos y la visualización de datos
Los instructores son expertos en aprendizaje automático y ciencia de datos con una sólida trayectoria
Forma parte de una serie de cursos, lo que indica una cobertura completa y detallada
Requiere conocimientos previos, lo que podría ser una barrera para algunos estudiantes

Save this course

Save Aprendizaje automático (machine learning) y ciencia de datos to your list so you can find it easily later:
Save

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Aprendizaje automático (machine learning) y ciencia de datos with these activities:
Read "Fundamentals of Machine Learning for Predictive Data Analytics" by John D. Kelleher, Brian Mac Namee, and Aoife D'Arcy.
Gain a comprehensive understanding of machine learning fundamentals and their application in predictive data analytics.
Show steps
  • Read the book thoroughly, taking notes and highlighting key concepts.
  • Summarize the main ideas of each chapter in your own words.
  • Apply the concepts you learn to practical examples.
Organize and review your course materials regularly.
Enhance your understanding and retention of course concepts by organizing and reviewing your materials.
Show steps
  • Create a system for organizing your notes, assignments, and other course materials.
  • Review your materials regularly, focusing on key concepts and ideas.
  • Summarize the main points of each lecture or module in your own words.
Discuss ML concepts with peers
Discussing ML concepts with peers can help you clarify your understanding and identify areas where you need further support.
Browse courses on Machine Learning
Show steps
  • Find a study buddy or join a study group.
  • Choose a topic to discuss and prepare some questions.
  • Meet with your peers and discuss the topic.
12 other activities
Expand to see all activities and additional details
Show all 15 activities
Complete practice problems for supervised learning.
Reinforce your understanding of supervised learning concepts by solving practice problems.
Browse courses on Supervised Learning
Show steps
  • Identify a reliable source of practice problems.
  • Solve practice problems covering various supervised learning algorithms.
  • Analyze your solutions and identify areas for improvement.
Solve coding exercises on data manipulation in R.
Strengthen your R skills and enhance your ability to manipulate data effectively.
Browse courses on Data Manipulation
Show steps
  • Find online coding platforms that offer R data manipulation exercises.
  • Practice solving coding exercises regularly.
  • Review your solutions and identify areas for improvement.
Learn about ML algorithms
Guided tutorials can help you dig deeper into specific topics and better understand the theoretical foundations of ML.
Browse courses on Machine Learning
Show steps
  • Identify ML algorithms that are relevant to your interests.
  • Find tutorials that explain these algorithms in a clear and concise way.
  • Work through the tutorials and take notes on the key concepts.
Learn about data pre-processing techniques
Data pre-processing is a crucial step in ML and can significantly impact the performance of your models. Guided tutorials can help you master these techniques.
Browse courses on Data Pre-processing
Show steps
  • Identify data pre-processing techniques that are relevant to your projects.
  • Find tutorials that explain these techniques in a clear and concise way.
  • Work through the tutorials and take notes on the key concepts.
  • Apply these techniques to your own datasets.
Follow a tutorial series on unsupervised learning techniques.
Expand your knowledge of machine learning by exploring unsupervised learning techniques through guided tutorials.
Browse courses on Unsupervised Learning
Show steps
  • Identify a reputable online platform or resource that offers tutorials on unsupervised learning.
  • Follow the tutorials step-by-step, taking notes and experimenting with the code.
  • Apply what you learn to practical examples.
Participate in a study group with other students in the course.
Enhance your understanding and engage with the course material through collaboration with peers.
Show steps
  • Form a study group with classmates.
  • Meet regularly to discuss course concepts, assignments, and projects.
  • Share your knowledge and perspectives with others.
Practise visualising data
Visualisation is essential for understanding data and interpreting results. Completing practice drills will reinforce the skills you are developing in the course.
Show steps
  • Gather a dataset about a topic you find interesting.
  • Create visualisations of the data using different visualisation techniques.
  • Analyse the visualisations and write a summary of your findings.
Develop a machine learning model to predict customer churn.
Enhance your practical skills by building a real-world machine learning model for customer churn prediction.
Browse courses on Machine Learning Model
Show steps
  • Gather and preprocess customer data.
  • Select and train a suitable machine learning algorithm.
  • Evaluate the performance of your model.
  • Deploy the model for real-time predictions.
Build a simple ML model
Building a simple ML model will help you apply the concepts you've learned in the course and see how ML works in practice.
Browse courses on Machine Learning
Show steps
  • Choose a dataset that is suitable for your skill level.
  • Select an ML algorithm that is appropriate for the dataset.
  • Build and train the model using the chosen algorithm.
  • Evaluate the model's performance.
Start a personal ML project
Starting a personal ML project can help you apply your skills to a real-world problem and build a portfolio.
Browse courses on Machine Learning
Show steps
  • Identify a problem that you want to solve using ML.
  • Gather or create a dataset that is relevant to the problem.
  • Build and train models to address the problem.
  • Evaluate your models and iterate on your approach.
  • Create a report or presentation to showcase your project.
Develop a presentation on a specific machine learning algorithm.
Enhance your understanding and communication skills by creating a presentation on a specific machine learning algorithm.
Browse courses on Public Speaking
Show steps
  • Choose a machine learning algorithm to focus on.
  • Research the algorithm thoroughly, including its strengths, weaknesses, and applications.
  • Create presentation slides that outline the algorithm's key concepts and demonstrate its practical use.
  • Practice your presentation and seek feedback from others.
Participate in ML competitions
Participating in ML competitions can push you to apply your skills in a challenging environment and learn from others.
Browse courses on Machine Learning
Show steps
  • Identify ML competitions that align with your interests and skill level.
  • Form a team or work individually on a competition.
  • Build and train models to solve the competition tasks.
  • Submit your results and analyse your performance.

Career center

Learners who complete Aprendizaje automático (machine learning) y ciencia de datos will develop knowledge and skills that may be useful to these careers:
Analista de investigación de operaciones
Los analistas de investigación de operaciones utilizan técnicas de aprendizaje automático para resolver problemas de optimización. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a analistas de investigación de operaciones. El curso también cubre habilidades esenciales como la optimización y la investigación de operaciones.
Científico de datos
Los científicos de datos utilizan técnicas de aprendizaje automático para analizar datos y extraer información útil. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a científicos de datos. El curso también cubre habilidades esenciales como la preparación de datos, la visualización de datos y el uso del lenguaje de programación R, que son herramientas clave en el conjunto de herramientas de un científico de datos.
Actuario
Los actuarios utilizan técnicas de aprendizaje automático para evaluar y gestionar riesgos. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a actuarios. El curso también cubre habilidades esenciales como la gestión de riesgos y la ciencia actuarial.
Analista de Datos
Los analistas de datos utilizan técnicas de aprendizaje automático para identificar tendencias y patrones en los datos. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a analistas de datos. El curso también cubre habilidades esenciales como la preparación de datos, la visualización de datos y el uso del lenguaje de programación R, que son herramientas clave en el conjunto de herramientas de un analista de datos.
Estadístico
Los estadísticos utilizan técnicas de aprendizaje automático para analizar datos y extraer información útil. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a estadísticos. El curso también cubre habilidades esenciales como la estadística y la probabilidad.
Ingeniero biomédico
Los ingenieros biomédicos utilizan técnicas de aprendizaje automático para desarrollar dispositivos y sistemas médicos. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a ingenieros biomédicos. El curso también cubre habilidades esenciales como la ingeniería biomédica y la ciencia médica.
Arquitecto de Datos
Los arquitectos de datos diseñan y desarrollan arquitecturas de datos. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, que se utiliza cada vez más para procesar y analizar datos. El curso también cubre habilidades esenciales como el diseño y la implementación de arquitecturas de datos.
Ingeniero de Aprendizaje Automático
Los ingenieros de aprendizaje automático diseñan y desarrollan algoritmos de aprendizaje automático. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a ingenieros de aprendizaje automático. El curso también cubre habilidades esenciales como el diseño y la implementación de algoritmos, así como la evaluación del rendimiento del modelo.
Investigador de aprendizaje automático
Los investigadores de aprendizaje automático desarrollan nuevas técnicas y algoritmos de aprendizaje automático. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a investigadores de aprendizaje automático. El curso también cubre habilidades esenciales como la investigación y el desarrollo de algoritmos, así como la publicación de resultados de investigación.
Profesor de aprendizaje automático
Los profesores de aprendizaje automático enseñan conceptos y técnicas de aprendizaje automático a estudiantes universitarios. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a profesores de aprendizaje automático. El curso también cubre habilidades esenciales como la pedagogía y el desarrollo del plan de estudios.
Consultor de aprendizaje automático
Los consultores de aprendizaje automático ayudan a las empresas a implementar soluciones de aprendizaje automático. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a consultores de aprendizaje automático. El curso también cubre habilidades esenciales como la consultoría y la gestión de proyectos.
Gestor de productos de aprendizaje automático
Los gerentes de productos de aprendizaje automático gestionan el desarrollo y la implementación de productos de aprendizaje automático. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a gerentes de productos de aprendizaje automático. El curso también cubre habilidades esenciales como la gestión de productos y el marketing.
Especialista en inteligencia artificial
Los especialistas en inteligencia artificial diseñan y desarrollan sistemas de inteligencia artificial. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, que es un subcampo de la inteligencia artificial. El curso también cubre habilidades esenciales como el diseño y la implementación de sistemas de IA.
Desarrollador de software de aprendizaje automático
Los desarrolladores de software de aprendizaje automático desarrollan e implementan software de aprendizaje automático. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a desarrolladores de software de aprendizaje automático. El curso también cubre habilidades esenciales como el desarrollo de software y la ingeniería de sistemas.
Gestor de proyectos de aprendizaje automático
Los gestores de proyectos de aprendizaje automático gestionan proyectos de aprendizaje automático. Este curso proporciona una base sólida en los conceptos y técnicas fundamentales del aprendizaje automático, lo que lo hace muy beneficioso para los aspirantes a gestores de proyectos de aprendizaje automático. El curso también cubre habilidades esenciales como la gestión de proyectos y la gestión de equipos.

Reading list

We've selected eight books that we think will supplement your learning. Use these to develop background knowledge, enrich your coursework, and gain a deeper understanding of the topics covered in Aprendizaje automático (machine learning) y ciencia de datos.
Provides a practical introduction to machine learning using the R programming language. It good choice for learners who want to get started with machine learning using R.
El libro ofrece una introducción integral a Python para la ciencia de datos, es una buena opción para estudiantes que deseen utilizar Python para análisis de datos.
El libro proporciona una introducción integral a R para la ciencia de datos, es una buena opción para estudiantes que deseen utilizar R para análisis de datos.
El libro ofrece una guía completa sobre la visualización de datos para la ciencia de datos, es una buena opción para estudiantes que deseen aprender a visualizar datos de manera efectiva.
El libro suministra una introducción orientada a los negocios sobre la ciencia de datos, es una buena selección para estudiantes que desean aprender a utilizarla para resolver problemas empresariales.
Provides a business-oriented introduction to data science. It good choice for learners who want to learn how to use data science to solve business problems.
Provides a theoretical foundation for machine learning. It good choice for learners who want to understand the underlying mathematical concepts of machine learning.

Share

Help others find this course page by sharing it with your friends and followers:

Similar courses

Here are nine courses similar to Aprendizaje automático (machine learning) y ciencia de datos.
Analítica financiera​
Most relevant
Introducción a data analytics para economistas
Most relevant
Modelos predictivos con Machine Learning
Most relevant
How Google does Machine Learning en Español
Most relevant
Minería de Datos: Análisis de la Canasta de Compra
Most relevant
Modelos predictivos con aprendizaje automático
Most relevant
Smart Analytics, Machine Learning, and AI on GCP en...
Most relevant
Análisis de datos con Python
Most relevant
Análisis de datos: Diseño y Visualización de Tableros
Most relevant
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2024 OpenCourser