Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Propuesta de Temas ML MCCQ
Propuesta de Temas ML MCCQ
Semana Temas para la parte teórica (3h) Temas para los laboratorios (2h)
1 Introducción: Qué e machine learning, Terminologías u lizadas en ML
clasificación, usos, historia, entre otros (quizás pueda incluirse en la parte
teórica)
Herramientas para ML
Librerias de Python usada en ML
(Numpy, Pandas)
Cargar datos/ Importar datos
2 Etapas o fases de ML Exploración y visualización de datos
Pre-procesamiento: Recoleción ( pos de (Histogramas, Gráficas de dispersión,
datos), análisis y preparación de datos etc)
3 Ingeniería de atributos Conversión de pos de datos:
Datos categóricos a e quetas.
Conver r e quetas en one hot
encodings
Ingeniería de atributos 1
4 Aprendizaje supervisado: algoritmos Ingeniería de atributos 2
5 Aprendizaje no supervisado: algoritmos Selección de algoritmos ML
6 Introducción a redes neuronales Entrenamiento del modelo ML y
evaluación