Login Register
  • 365 online
  • Avda. de la Innovación 1. Edificio BIC, 18016. Granada
  • +34 635 659 391
  • cursos@maximaformacion.es
Máxima Formación
  • Inicio
  • Formación
  • Blog
    • Data Science +R
    • E-Learning
  • Recursos
  • Conócenos
  • Matriculación online
  • Inicio
  • Formación
  • Blog
    • Data Science +R
    • E-Learning
  • Recursos
  • Conócenos
  • Matriculación online
InicioR SoftwareMáster de Machine Learning con R

Máster de Machine Learning con R

Profesores
Rosana Ferrero
Ignacio García
Categoría:
Estadística/ R Software/

2490€


II ed. Inicio Marzo 2021

¿Este Máster es para ti?

Pide más información aquí

Antes de firmar la solicitud debe leer la información básica de protección de datos que se presenta aquí

* Campos obligatorios

10 meses 66 ECTS
100% online
Vídeotutoriales prácticos
Título propio universitario

Duración

10 meses – 66 ECTS

Precio

2490€

Inicio

Marzo 2021

Plazo de Reserva

Abierto

Reserva tu plaza hasta el 5 de Marzo – Próxima edición 2021

Pago inicial reserva de plaza: 790 €

Pago restante: 1700 € (infórmate sobre facilidades de pago sin intereses).

Pon a trabajar tus datos y forma parte de la revolución 4.0 que viene.

MÁSTER DE MACHINE LEARNING CON R SOFTWARE

  • Área: Ciencia de Datos

  • Metodología: 100% online

  • Fecha de inicio: marzo 2021

  • Créditos: 66 ECTS

  • Duración: 10 meses

  • Título propio universitario: Válido en la UE

POR QUÉ ESTUDIAR MACHINE LEARNING

Porque es la disciplina de la Inteligencia Artificial que está marcando nuevos horizontes en el desarrollo de las sociedades del conocimiento.

Los algoritmos de Machine Learning dotan a las máquinas de la capacidad de realizar tareas de forma autónoma sin ser explícitamente programadas.

Incorpórate a este programa, pon a trabajar tus datos y forma parte de la revolución 4.0 que viene:

  • Desarrolla una profesión de futuro como analista de datos experto en Machine Learning.

  • Lidera proyectos de transformación digital en empresas y centros de investigación.

 

POR QUÉ ELEGIR ESTE MÁSTER

Por que el MÁSTER DE MACHINE LEARNING CON R impartido por Máxima Formación ha sido creado por expertos en analítica de datos y lenguaje R, con metodología 100% online y la garantía de un seguimiento real e individualizado de tus progresos. La tutorización de calidad es nuestro valor diferencial.

Desde el primer día:

  • Implementarás las técnicas de Machine Learning más avanzadas en tu contexto real de trabajo e investigación.
  • Contarás con el soporte de docentes expertos siempre dispuestos a guiarte y a resolver dudas sobre tus proyectos profesionales.

 

Además somos el centro de formación de referencia para los analistas de datos e investigadores de entidades prestigiosas como el CSIC, IAVANTE y FISEVI.

Más de 500 investigadores en activo se han titulado con nosotros.

 

OBJETIVOS DEL MÁSTER

Con el MÁSTER DE MACHINE LEARNING CON R adquirirás una visión global de las mejores herramientas de Machine Learning, incluido el trabajo con datos en tiempo real, su preprocesamiento y visualización avanzada, el desarrollo de algoritmos utilizando aprendizaje supervisado, no supervisado y el aprendizaje profundo (Deep Learning).

  • Aplica modelos de regresión, clasificación, reducción de la dimensión, series temporales y redes neuronales, para tomar decisiones inteligentes a partir de los datos.
  • Domina R, el lenguaje de la Ciencia de Datos, y conviértete en un experto en Machine Learning y en Inteligencia Artificial.

 

☑️ APRENDE DE LA EXPERIENCIA DE LOS DATOS.

☑️ DISEÑA PROYECTOS IMPACTANTES.

☑️ APLICA SOLUCIONES QUE EVOLUCIONAN POR SÍ MISMAS.

☑️ TOMA DECISIONES RÁPIDAS, CONFIABLES E INFORMADAS.

 

COMPETENCIAS PROFESIONALES

Adquiere las competencias profesionales más solicitadas a los profesionales de la Ciencia de Datos y el Machine Learning:

  • Pre-procesamiento de datos.
  • Visualización de datos.
  • Análisis exploratorio de datos.
  • Aprendizaje automático / Machine Learning.
  • Aprendizaje supervisado.
  • Aprendizaje no supervisado.
  • Aprendizaje profundo / Deep Learning.

 

Competencias generales

ESTADÍSTICA APLICADA – Bases científica de muchos algoritmos de Machine Learning.

INFORMÁTICA Y COMPUTACIÓN – Las claves de la automatización.

COMUNICACIÓN EFECTIVA Y DECISIÓN – Fundamental para comunicar tus resultados.

INVESTIGACIÓN – Avanza con criterio en la senda del conocimiento.

 

Competencias transversales

DOMINIO DEL LENGUAJE DE PROGRAMACIÓN R – El lenguaje estadístico de la Ciencia.

Logo R SoftwareEntrenamos tu capacidad para trabajar con librerías / paquetes / bibliotecas específicas de Machine Learning que utilizan algoritmos novedosos y eficientes. El lenguaje de programación R es una de las herramientas más competentes para liderar proyectos complejos de Machine Learning.

 

METODOLOGÍA DEL MÁSTER

Es un programa formativo 100% online, diseñado por expertos, personalizado y aplicable a tu realidad laboral.

Descarga y accede a todos los materiales desde el inicio del curso y amplía conocimientos con los recursos premium elaborados por el equipo docente (hojas de trucos, mapas conceptuales, descargables, vídeo tutoriales, etc).

  • Contenidos didácticos.
  • Recursos Premium.
  • Sin plazos de entrega.
  • Enfoque realista y práctico.
  • Tutorías individuales y grupales.
  • Material complementario.

 

¿A QUIÉN SE DIRIGE ESTE MÁSTER?

El Máster de Machine Learning con R se dirige a graduados, licenciados, PhD y doctorados universitarios interesados en adquirir conocimientos y habilidades de Machine Learning

PLAN DE ESTUDIOS

TEMA 1 INTRODUCCIÓN AL MACHINE LEARNING

En este tema conocerás la columna vertebral del aprendizaje automático. Aprenderás sus fundamentos, los problemas que aborda y las principales técnicas del Machine Learning que desarrollaremos a lo largo del Máster: aprendizaje supervisado (clasificación y regresión), no supervisado (agrupación y estimación de densidad) y profundo (Deep Learning). Aprenderás también cómo es el proceso o flujo de trabajo que deberás utilizar y cómo evaluar el rendimiento de los algoritmos.

  • ¿Cuál es el desafío que aborda el Machine Learning?
  • ¿Qué es y qué no es el Machine Learning?
  • Proceso de trabajo en Machine Learning
  • ¿Cómo trabaja el Machine Learning?
    Aprendizaje supervisado, no supervisado y profundo.
  • ¿Qué modelo de Machine Learning se ajusta mejor a cada tipo de problema? Clasificación, regresión, agrupación o reducción de dimensionalidad.
  • Medidas de desempeño del modelo: rendimiento o error.
  • ¿Qué se necesita para crear un algoritmo de Machine Learning
    valioso?

TEMA 2 PROGRAMACIÓN EN R E INVESTIGACIÓN REPRODUCTIBLE

R es el lenguaje de programación de código abierto (y gratuito) líder en Estadística y en Ciencia de Datos. Comenzarás desde cero a usar R y RStudio, aprenderás cómo funcionan, cuáles son los tipos de datos básicos, cómo se manipulan y cómo crear funciones para dominar tus propios análisis de datos. También aprenderás a producir informes elegantes y personalizados con RMarkdown, combinando fragmentos de R, comentarios, tablas y gráficos. Y conocerás todas las prestaciones que R te puede ofrecer: gráficos avanzados, tableros y aplicaciones interactivas con Shiny.

  • R y R Studio. Sintaxis básica y ayuda.
  • Investigación reproductible con R Markdown.
  • Estructura de datos.
    Vectores, matrices, listas y data frames.
  • Funciones, argumentos, condicionales,
    bucles y funciones propias.
  • Conoce lo que R te puede ofrecer: gráficos avanzados,
    tableros y aplicaciones interactivas con Shiny.

TEMA 3 OBTENCIÓN, PRE-PROCESADO Y VISUALIZACIÓN DE DATOS

Aprenderás a obtener y a gestionar tus datos, a preparar el conjunto de datos para la fase de modelado y a realizar análisis exploratorios. Este es un paso esencial en cualquier proyecto de aprendizaje automático y suele consumir gran parte del tiempo del proyecto. Sabrás cómo transformar los datos para que estén en la forma correcta que requiere el modelo. Aprenderás a crear nuevas características para aprovechar mejor la información en su conjunto de datos, a seleccionar las mejores características para mejorar el ajuste de su modelo, a explorar los tipos de datos y a manejar datos faltantes y atípicos.

  • Importar y exportar bases de datos.
  • Introducción al mundo tidyverse.
  • Manipular datos con dplyr.
  • Transformar datos con tidyr.
  • Análisis exploratorio de datos y visualizar datos con ggplot2.
  • Preprocesar datos con caret.
  • Gestionar los datos atípicos (outliers) y datos perdidos (missing).

TEMA 4 CORRELACIÓN, REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA

La regresión es posiblemente uno de los métodos de aprendizaje automático más utilizados. Aprenderás sobre diferentes modelos de regresión, cómo entrenar estos modelos en R, cómo evaluar los modelos que entrena y usarlos para hacer predicciones. Desde una perspectiva de aprendizaje automático, la regresión lineal es la tarea de predecir resultados numéricos a partir de varias entradas. La regresión logística implica ajustar una curva a datos numéricos para hacer predicciones sobre eventos binarios. Obtendrás una visión general de las técnicas y aprenderás cómo aplicarlas para resolver problemas reales.

  • Correlación simple y parcial.
  • Regresión lineal simple.
  • Regresión lineal múltiple.
  • Regresión logística.
  • Evaluación del desempeño: RMSE, R cuadrado.
  • Selección de predictores: automática y por subconjuntos.
  • Evaluación del modelo:
    gráficos de residuos y pruebas de hipótesis.

TEMA 5 ÁRBOLES DE DECISIÓN, MODELOS BAGGING Y RANDOM FOREST

Aprenderás a realizar tareas de clasificación y regresión mediante árboles de decisión individuales, una técnica poderosa de aprendizaje supervisado. Los árboles de decisión usan estructuras similares a diagramas de flujo para tomar decisiones, estas estructuras de árboles permiten una fácil comprensión de los resultados. Aprenderás a realizar modelos de ensamble: Bagging (Bootsap aggregation) y Random Forest. Aprenderás modelos de GBM y de Xaboots, la diferencias entre algoritmos de bagging y boosting.

  • Crear árboles de decisión individuales.
  • Modelos de ensemble con árboles de decisión.
  • Modelos de Bagging y de Random Forest.
  • Clasificación vs. Regresión.
  • Proceso de modelado.
  • Entrenar el modelo de árbol.
  • Búsqueda de hiperparámetros del modelo.
  • Evaluación del desempeño:
    métricas de rendimiento y validación cruzada.
  • Importancia de las características.
  • Comparación de modelos.
  • Predicción.

TEMA 6 CLASIFICACIÓN POR K-VECINOS MÁS CERCANOS (KNN) Y MÁQUINA DE VECTORES SOPORTE (SVM)

Aprenderás dos importantes métodos de clasificación, una de las tareas más importante del aprendizaje supervisado. La clasificación por K-vecinos más cercanos (kNN) y la máquina de vectores de soporte (SVM) utilizan un enfoque intuitivo y visual.

  • ¿Qué son y cómo funcionan?
    Ventajas y desventajas de cada uno.
  • Presentación del algoritmo k-Nearest Neighbor (kNN).
  • Distancia y similitud.
  • Selección del factor k.
  • Presentación de las máquinas de vectores de soporte (SVM).
  • ¿Qué es un hiperplano?
  • Selección y ajuste de parámetros.
  • Métodos kernel SVM.
  • Evaluación del desempeño.

TEMA 7 ANÁLISIS CLÚSTER (JERÁRQUICO Y POR K-MEDIAS) Y ANÁLISIS DE COMPONENTES PRINCIPALES (PCA)

Este tema te permitirá manejar conjuntos de datos multidimensionales, visualizar patrones ocultos en los datos y descubrir relaciones potencialmente predictivas. Domina las técnicas fundamentales de aprendizaje no supervisado: métodos de agrupación y reducción de dimensionalidad. El objetivo es encontrar patrones en los datos desde una perspectiva de aprendizaje automático, seleccionar y extraer características sin supervisión, para que pueda obtener datos e información lo más rápido posible.

  • ¿Qué son y cómo funcionan?
    Cómo interpretar los resultados.
  • Agrupación jerárquica y no jerárquica (por k-medias).
  • Medidas de distancia y métodos de agrupación.
  • Visualiza e interpreta con el Dendrograma.
  • Número óptimo de grupos.
  • Estadísticas de validación y rendimiento.
  • Interpretación de los grupos.
  • Reducción de dimensionalidad
    con Análisis de Componentes Principales.
  • Centrar y escalar los datos.
  • Visualiza e interpreta con Biplots.
  • Personalización de gráficos.
  • Descripción de las dimensiones.
  • Elementos suplementarios y filtrado.

TEMA 8 ANÁLISIS DE SERIES TEMPORALES

El análisis de series temporales es fundamental para evaluar datos especiales que están correlacionados en el tiempo (autocorrelación), como los datos climáticos o los precios de las acciones. Es esencial identificar patrones sistemáticos en datos de series temporales, ya sea porque representan una característica de interés o porque necesitamos eliminarlo para facilitar análisis posteriores. En este tema aprenderás qué es una serie de tiempo, y varios modelos específicos, desde los autorregresivos (AR) y de medias móviles (MA). hasta los modelos de cointegración (ARIMA).

  • Análisis exploratorio de series temporales.
  • Identificar datos atípicos (outliers) y faltantes (missing).
  • Identificar puntos de cambio en las series.
  • Clúster jerárquico con series temporales.
  • Descomponer la serie temporal: método clásico, SLT y SMA.
  • Estadísticas de validación y rendimiento.
  • Prueba de tendencia y prueba de estacionalidad.
  • Estacionariedad de la serie temporal:
    Pruebas formales e informales.
  • Estacionarizar la serie en media y varianza.
  • Correlación y autocorrelación:
    funciones ACF, PACF y CCF.
  • Modelos ARIMA
    (AutoRegresive Integrated Moving Average).

TEMA 10 INTRODUCCIÓN A REDES NEURONALES (NN)

Obtendrás una introducción al aprendizaje profundo (Deep Learning), la técnica detrás de las capacidades más interesantes de la inteligencia artificial (Artificial Intelligence). Aprenderás conceptos fundamentales y la terminología utilizada en NN, y comprenderás por qué estas técnicas son tan poderosas hoy en día.

  • Conceptos básicos de aprendizaje profundo
    y redes neuronales.
  • Optimización y validación de la red neuronal.
  • Construcción de redes neuronales simples.
  • Predicción.

TFM  TRABAJO FINAL DE MÁSTER

El TFM es tu oportunidad para demostrar lo que has aprendido en el Máster. Se convertirá en parte de tu currículum y demostrará que cuentas con las habilidades de adquisición, preparación, visualización, programación, modelado, evaluación e interpretación para resolver un problema de Machine Learning . Construir un proyecto del mundo real es el mejor modo de poner a prueba las nuevas competencias adquiridas.

Formación bonificable para empresas

Realizamos gratuitamente las gestiones para la solicitud de la bonificación de la formación con Fundae.

Requisitos de acceso

Para realizar la reserva de matrícula y obtener el título, el alumno debes acreditar estar en posesión del:

  • Título de Grado universitario o titulación equivalente por una universidad española, o

  • Titulación equivalente por estudios extranjeros que den acceso a estudios de Postgrado (titulación oficial).

Cómo formalizar la matrícula

Envía escaneada a cursos@maximaformacion.es la siguiente documentación:

ALUMNOS UNIÓN EUROPEA: Fotocopia del DNI y fotocopia compulsada del Título Universitario.

ALUMNOS LATINOAMÉRICA: Cédula de ciudadanía o Pasaporte y fotocopia apostillada del Título Universitario.

En ambos casos, completar y firmar la Autorización de Tratamiento de Datos Personales y la Solicitud de Admisión.

Sobre los profesores

Rosana Ferrero
Data Scientist con más de 10 años de experiencia en consultoría, investigación y docencia. Colabora en proyectos de diversos centros de investigación como el Consejo Superior de Investigaciones Científicas (CSIC), CAPES-PUC, IAS-CSIC y LINCGlobal. Asesora y consultora en Biomáxima.
Ignacio García
Analista de Riesgos con más de 10 años de experiencia en la creación de modelos de riesgo, marketing y mejora de procesos, aplicando métodos de Machine Learning. Su capacidad para conjugar aspectos de negocio y técnicos lo convierte en el docente idóneo para esta formación especializada.

Valoraciones

No hay valoraciones aún.

2490€


II ed. Inicio Marzo 2021

¿Este Máster es para ti?

Pide más información aquí

Antes de firmar la solicitud debe leer la información básica de protección de datos que se presenta aquí

* Campos obligatorios

10 meses 66 ECTS
100% online
Vídeotutoriales prácticos
Título propio universitario

Conócenos

Somos referentes en la capacitación de software libre aplicado a las áreas profesionales del Análisis de Datos (R Software) y la docencia e-Learning (Moodle). Formación 100% on-line con título homologado.

Enlaces rápidos

  • Formación
  • Blog: Data Science +R
  • Recursos
  • Matriculación online
  • Formación bonificada

Contacto

  • Avda. de la Innovación 1. Edificio BIC, 18016. Granada
  • +34 635 659 391
  • cursos@maximaformacion.es
  • Formulario de contacto

Síguenos en redes sociales

Footer logo
Copyright 2020 — Máxima Formación
  • Aviso legal y condiciones
  • Política de Privacidad
  • Política de Cookies
  • Pagos
  • Contacto
Search

CONFIGURACIÓN DE COOKIES

Cookies Esenciales: Imprescindibles para que la web funcione correctamente.

Cookies Analíticas: Nos ayudan a conocer el comportamiento agregado (no individual) de nuestros visitantes.

Cookies Publicitarias: Nos ayudan a conocer el rendimiento de las distintas campañas publicitarias, y ayudan a personalizar anuncios.

La entidad responsable del tratamiento es MÁXIMA FORMACIÓN, SLU. La finalidad del registro es prestar los servicios ofrecidos a través de la web o atender otros tipos de relaciones que puedan surgir con Máxima Formación como consecuencia de las solicitudes, gestiones o trámites que el Usuario realice mediante la web, así como la gestión del envío de información y comunicaciones comerciales a solicitud del usuario.

Los datos no se cederán a terceros salvo en los casos en que exista una obligación legal. En todo caso, los datos que nos facilitas están ubicados en servidores cuya sede se encuentra dentro del territorio de la UE o gestionados por Encargados de Tratamiento acogidos al acuerdo “Privacy Shield”, aprobado por el Comité Europeo de Protección de Datos.

La base legal para el tratamiento de sus datos se basa en el consentimiento otorgado al completar cualquiera de los formularios que dispone la Empresa.

Los usuarios tendrán derecho a acceder, rectificar, suprimir los datos y derecho al olvido, así como otros derechos, como se explica en la información adicional. Si no facilita los datos solicitados como obligatorios, puede dar como resultado no poder cumplir con la finalidad para los que se solicitan.

Puede consultar la información adicional y detallada sobre Protección de Datos en la siguiente dirección política de privacidad

CONFIGURACIÓN DE COOKIES

Cookies Esenciales: Imprescindibles para que la web funcione correctamente.

Cookies Analíticas: Nos ayudan a conocer el comportamiento agregado (no individual) de nuestros visitantes.

Cookies Publicitarias: Nos ayudan a conocer el rendimiento de las distintas campañas publicitarias, y ayudan a personalizar anuncios.

La entidad responsable del tratamiento es MÁXIMA FORMACIÓN, SLU. La finalidad del registro es prestar los servicios ofrecidos a través de la web o atender otros tipos de relaciones que puedan surgir con Máxima Formación como consecuencia de las solicitudes, gestiones o trámites que el Usuario realice mediante la web, así como la gestión del envío de información y comunicaciones comerciales a solicitud del usuario.

Los datos no se cederán a terceros salvo en los casos en que exista una obligación legal. En todo caso, los datos que nos facilitas están ubicados en servidores cuya sede se encuentra dentro del territorio de la UE o gestionados por Encargados de Tratamiento acogidos al acuerdo “Privacy Shield”, aprobado por el Comité Europeo de Protección de Datos.

La base legal para el tratamiento de sus datos se basa en el consentimiento otorgado al completar cualquiera de los formularios que dispone la Empresa.

Los usuarios tendrán derecho a acceder, rectificar, suprimir los datos y derecho al olvido, así como otros derechos, como se explica en la información adicional. Si no facilita los datos solicitados como obligatorios, puede dar como resultado no poder cumplir con la finalidad para los que se solicitan.

Puede consultar la información adicional y detallada sobre Protección de Datos en la siguiente dirección política de privacidad

En Máxima Formación utilizamos cookies propias y de terceros con finalidad analítica y publicitaria. En nuestra política de cookies te contamos cuáles usamos y cómo desactivarlas si quieres.       Configurar / RechazarAceptar todas