Máster en Machine Learning con R

• Comprender qué problemas resuelve el Machine Learning y qué tipo de modelo conviene usar en clasificación, regresión, agrupación o reducción de dimensionalidad.
• Preparar datos para modelado, gestionar valores perdidos y atípicos, crear variables y evaluar modelos con métricas y validación cruzada.
• Implementar en R algoritmos de regresión, árboles de decisión, Random Forest, kNN, SVM, clustering, PCA, series temporales y redes neuronales básicas.
• Diseñar proyectos ágiles de Machine Learning que generen información rápida, automatizada y útil para la toma de decisiones.
• Aplicar lo aprendido en un TFM con adquisición, preparación, visualización, modelado, evaluación e interpretación de datos.

Dirigido a profesionales interesados en aplicar Machine Learning avanzado con R, titulados universitarios, estudiantes de máster o doctorado, docentes, investigadores y perfiles técnicos que quieran pasar de analizar datos a crear modelos predictivos, descubrir patrones y automatizar decisiones. Es adecuado tanto para quienes quieren iniciarse de forma estructurada como para quienes desean consolidar una base sólida en IA aplicada.

• Data Analyst, analista de Machine Learning o perfil técnico capaz de construir modelos predictivos y automatizar decisiones con datos.
• Investigador/a, docente o profesional de I+D que necesita aplicar algoritmos supervisados, no supervisados y de aprendizaje profundo en proyectos propios.
• Profesional de negocio, ingeniería, salud, ciencias sociales o ciencias experimentales que quiere incorporar modelos de IA y Machine Learning a su actividad.
• Perfil orientado a proyectos de clasificación, regresión, segmentación, predicción, reducción de dimensionalidad, series temporales y automatización analítica.