curso de_
Fundamentos de IA: explorando algoritmos y enfoques de Machine Learning
Es parte de los cursos de IA para Programación en Inteligencia Artificial.
Discusiones sobre este curso
Resumen del curso
- Comprende los fundamentos del machine learning y sus principales enfoques
- Aprende a preparar y manipular datos para la construcción de modelos predictivos
- Explora algoritmos de clasificación, regresión y agrupamiento para el análisis de datos
- Entiende cómo evaluar y comparar modelos utilizando métricas adecuadas
- Aplica técnicas de validación cruzada y ajuste de hiperparámetros para la optimización de modelos
- Diferencia métodos de aprendizaje supervisado, no supervisado y por refuerzo
- Aprende a utilizar modelos preentrenados en visión por computadora y procesamiento de lenguaje natural
- Investiga el funcionamiento de las redes neuronales convolucionales y su aplicación en imágenes
- Explora los principios del aprendizaje por refuerzo y la toma de decisiones basada en recompensas
- Desarrolla pensamiento crítico sobre desafíos, limitaciones y buenas prácticas en machine learning
- Planifica soluciones de machine learning aplicables a diferentes desafíos del mundo real
Público Objetivo
Indicada para personas que desean tener una comprensión sistémica del mundo de la inteligencia artificial, entendiendo las finalidades y aplicaciones de diferentes herramientas, plataformas, conceptos, técnicas y enfoques. Personas desarrolladoras, gestoras, liderazgos, operadoras de infraestructura y entusiastas de la tecnología en general.
Contenido relacionado
Cursos de IA para Programación en Inteligencia Artificial. Lea nuestros artículos de Inteligencia Artificial.
Última actualización
3/27/2026
¿Ya eres alumno?
6h
p/ conclusión
54
Actividades
157
Minutos de video
425
Alumnos en este curso
9.4
Nota del curso
Certificado de participación
Formación con este curso
Instructores
Contenido Detallado
1. Explorando el Aprendizaje de Máquinas
- Introducción
- Aprendizaje de máquinas
- Para saber más: modelos y aprendizaje supervisado
- Aprendizaje supervisado - Clasificación
- Para saber más: diferentes enfoques de aprendizaje automático
- Personalizando portafolios
- Métricas de Validación y Regresión
- Para saber más: entendiendo la evaluación de modelos
- Previniendo demandas
- Archivo con programa del curso - Notebook de Google Colaboratory
- Manos a la obra: construyendo un clasificador con el dataset Iris
- Lo que aprendimos
2. Supervisando el aprendizaje
- Clasificación o Regresión
- Para saber más: regresión y clasificación en la práctica
- Análisis de compromiso
- Ajuste de hiperparámetros y selección de features
- Para saber más: ajuste de hiperparámetros
- Para saber más: técnicas para selección de características
- Combinando modelos
- Mejorando la precisión de las estimaciones
- Para saber más: importancia de la combinación de modelos
- Ajustando modelos de machine learning
- Que aprendimos?
3. Aprendizaje no supervisado
- Aprendizaje no supervisado
- Para saber más: aplicaciones prácticas de clustering
- Personalizando ofertas
- Explorando algoritmos de clusterización
- Para saber más: agrupamiento jerárquico
- Analizando patrones de compra
- Reducción de dimensionalidad con PCA
- Para saber más: explorando la reducción de dimensionalidad
- Haga lo que hicimos: Aplicando técnicas de aprendizaje no supervisado
- Lo que aprendimos
4. Procesamiento de imágenes y de texto
- Procesamiento de imágenes y CNN
- Para saber más: ¿cómo se representan y procesan las imágenes?
- Única opción
- Probando la Visión Computacional
- Para saber mais
- Analizando tendencias de design
- Procesamiento del Lenguaje Natural NLP
- Para saber más: Transformers
- Identificando objetos con MobileNetV2
- Lo que aprendimos
5. Aprendizaje por refuerzo
- Aprendizaje por Refuerzo
- Para saber más: técnicas de aprendizaje por refuerzo
- Estrategias de marketing
- Estrategias de exploración
- Para saber más: Exploración vs. Explotación
- Exploración en la práctica
- Desafíos del Machine Learning
- Manos a la obra: identificando objetos con MobileNetV2
- Referencias
- Lo que aprendimos
- Conclusión
Acceso a todos los cursos
Estudiar las 24 horas, dónde y cuándo quieras
Nuevos cursos cada semana
