campus icon

FICTIZIA — Formación de alto rendimiento en diseño, tecnología y arte digital

(+34) 91 172 33 13 info@fictizia.com Plaza de España 12, Madrid

tecnologías de desarrollo

Curso de Machine Learning (en remoto)

Aprende en 10 sesiones prácticas durante tres semanas los fundamentos, técnicas y herramientas para el desarrollo de Machine Learning y su aplicación en la solución de problemas reales.

tecnologías de desarrollo

Curso de Machine Learning (en remoto)

  • Machine_Learning
  • Scikit-learn
  • Tensor_Flow
  • Keras
  • Pytorch
Duración 30 horas
máx. plazas 15 plazas
Coste
450 €
295 € promoción especial #fictiziaentucasa
Modalidad de la formación Formación en remoto en nuestras aulas virtuales.
Dirigido a Programadores/as que quieren adentrarse profesionalmente en el desarrollo de Machine Learning.
Requisitos Conocimientos básicos de Docker, conocimientos básicos de Python y conocimientos matemáticos básicos.
Bonificable Esta es una formación bonificable por FUNDAE (Fundación Estatal para la formación en el empleo). Si eres trabajador/a por cuenta ajena tu empresa puede bonificar tu formación. Además Fictizia puede gestionar todo el papeleo si tu empresa así lo prefiere.

Enfoque y objetivos

El Aprendizaje Automático (Machine Learning, en inglés) se está convirtiendo en una de las técnicas más utilizadas en los últimos años para dotar de “inteligencia” a nuestras aplicaciones. Este tipo de técnicas nos permiten extraer conocimiento y construir modelos de comportamiento que nos permiten tomar decisiones de manera automática con el de incluir nuevas funcionalidades o entender el comportamientos de nuestros usuarios como nunca antes habíamos podido hacerlo.

Mediante este curso de Machine Learning los alumnos aprenderán los fundamentos básicos sobre el Aprendizaje Automático con el objetivo de poder identificar qué algoritmo se adapta más a cada situación y cómo utilizar posteriormente estos modelos. Para ellos se revisarán los tres paradigmas de aprendizaje automático existentes y se realizarán ejercicios prácticos con los frameworks más utilizados (Scikit-learn, TensorFlow, Keras y Pytorch).

Profesorado del curso

El equipo de profesores de Fictizia está formado por expertos profesionales en activo y con una larga y rica trayectoria profesional que les capacita para reconocer las necesidades reales de un sector tan cambiante y exigente y cumplir el objetivo de Fictizia de ofrecer una formación que responda a la realidad del mundo laboral más exigente. Cada integrante del profesorado de Fictizia es un/a gran especialista en su campo que además comparte sus conocimientos, sus enorme experiencia, sus tropiezos, sus aciertos y la pasión por su trabajo en nuestras aulas.

Moisés Martínez

Moisés Martínez

Artificial Intelligence Lead (AI) and Machine Learning (ML) Engineer en Paradigma Digital. Google Developer Expert en Machine Learning y Doctor en ciencias de la computación e Inteligencia Artificial por la Universidad Carlos III y Data Scientist en sus ratos libres. Además de en FICTIZIA, ha sido investigador y/o profesor de diferentes sabores de AI en universidades como la Universidad Carlos III, la Universidad de Örebro y el King's College London. Empezó su carrera como Full-Stack Developer y acabó siguiendo el camino de baldosas amarillas de la AI participando en proyectos BigData y de la industria 4.0 utilizando tecnologías Google Cloud y del ecosistema Apache para extraer valor de los datos. Además, Moisés es Speaker en conferencias internacionales y uno de los orgullosos fundadores de T3chFest, el evento sobre tecnología gratuito más grande de España y tal vez de Europa.

El programa de contenidos

La formación en Fictizia se basa en una metodología teórico–práctica completamente orientada a dar respuesta a lo que el mundo laboral más exigente demanda actualmente.

En cada sesión formativa el profesor/a irá avanzando en la formación junto con los estudiantes mediante el desarrollo de los ejercicios prácticos que van involucrando progresivamente nuevos contenidos teóricos del programa de contenidos. Cada una de las prácticas se ha diseñado expresamente como reflejo de las técnicas, procesos, necesidades y situaciones reales que el alumno/a se encontrará después en su día a día laboral.

Además, esta formación no solo instruye en la mera ejecución de técnicas con el único fin de producir, también se preocupa de enseñar los fundamentos teóricos y críticos que le permitirán al alumno/a tomar decisiones basadas en criterios objetivos y analíticos de forma autónoma.

El conjunto de prácticas que se realizarán a lo largo de toda la formación está diseñado con una doble función: ser una parte esencial del proceso de aprendizaje durante el máster y también, una vez terminados los estudios de forma satisfactoria, actuar como su portafolio/reel con la que demostrar todas las capacidades aprendidas y que el alumno/a es capaz de llevar a cabo profesionalmente con solvencia. Algo esencial a la hora de acceder y desenvolverse posteriormente en el mercado laboral.

  1. Fundamentos del Machine Learning
    • Paradigmas de aprendizaje
    • Tipos de algoritmos
    • Model-Free vs Model-Based
    • Análisis de los resultados
    • Herramientas esenciales
      • Jupyter Notebook
      • Python (Básicos y frameworks)
      • Pandas
  2. Aprendizaje supervisado – Regresión
    • Introducción al Aprendizaje Supervisado
    • Introducción a la Regresión Lineal
    • Regresión Lineal Simple
    • Regresión Lineal Múltiple
  3. Aprendizaje supervisado – Árboles
    • Los conceptos árbol y bosque
    • Aprendizaje mediante árboles
      • Boosting
      • Bagging
    • Bosques de árboles aleatorios (Random Forest)
  4. Aprendizaje supervisado – Redes de neuronas I
    • Fundamentos
    • Topologías de redes
    • Construyendo redes de neuronas (FFNN)
      • Estructura en capas
      • Funciones de activación
      • Back Propagation y optimización (Gradiente, Adams, etc)
      • Función de loss
    • Regresores y clasificadores mediante redes de neuronas
  5. Aprendizaje supervisado – Redes de neuronas II
    • Redes de neuronas profundas
      • Fundamentos
      • Capas
      • Funciones
    • Redes convolucionales (CNN)
      • Computer Vision
  6. Aprendizaje supervisado – Redes de neuronas III
    • Redes recurrentes profundas
      • Fundamentos
      • Capas
      • Funciones
    • Redes recurrentes (RNN)
      • Procesamiento del sonido
      • Procesamiento del Lenguaje Natural (NLP)
  7. Aprendizaje no supervisado
    • Introducción al aprendizaje no supervisado
    • Algoritmos de agrupamiento (Clustering)
      • Conceptos básicos
      • K-means
    • Reducción de dimensionalidad
      • Conceptos básicos
      • Principal Component Analysis (PCA)
  8. Aprendizaje por refuerzo
    • Introducción al aprendizaje por refuerzo
    • Algoritmos basados en tablas
      • Q-Learning
    • Algoritmos basados en redes
      • Deep Reinforcement Learning
  9. Desplegando modelos I
    • Técnicas de despliegue de modelos
    • Despliegue mediante REST API
    • Despliegue mediante servicios en Cloud
    • MLOps (Machine Learning Operations)
  10. Desplegando modelos II
    • Introducción a TensorFlow JS
    • Generando nuestro modelos lite (tflite)
    • Utilizando nuestro modelos lite

Vuelve a ver tus clases las veces que quieras

A medida que la formación avance, las clases se irán grabando según se van desarrollando y poniendo a disposición del alumnado, tanto si están cursando en modalidad presencial como en remoto, en un servidor NAS de FICTIZIA específico al que podrán acceder desde cualquier lugar.
Así podrás volver a consultar cualquier detalle en todo momento durante tu formación.

Accede a nuestro grupo privado de empleo

Al finalizar tu formación tendrás acceso a nuestro grupo privado de Fictizia en Linkedin, Fictizia Alumni, donde se van publicando todas las ofertas de empleo que habitualmente nos hacen llegar las muchas empresas con las que colaboramos.

La calidad de la formación que reciben las personas que se forman en Fictizia se refleja en el nivel de las empresas que las contratan. Es un orgullo que las mejores compañías confíen en las capacidades de nuestros alumni y es la mejor prueba de la efectividad de la formación que ofrecemos:

  • Alumnos Fictizia en Google
  • Alumnos Fictizia en El Ranchito
  • Alumnos Fictizia en Ogilvy
  • Alumnos Fictizia en BBVA Next
  • Alumnos Fictizia en Lola Mullenlowe
  • Alumnos Fictizia en Ánima-Kitchent
  • Alumnos Fictizia en Atresmedia
  • Alumnos Fictizia en User-T38
  • Alumnos Fictizia en DDB
  • Alumnos Fictizia en Mach
  • Alumnos Fictizia en Byte London
  • Alumnos Fictizia en indra
  • Alumnos Fictizia en The Cocktail
  • Alumnos Fictizia en Wunderman-Thompson
  • Alumnos Fictizia en Ediciones SM
  • Alumnos Fictizia en Paradigma digital
  • Alumnos Fictizia en Panda Security
  • Alumnos Fictizia en Exit Consultores Audiovisuales
  • Alumnos Fictizia en Mediaset
  • Alumnos Fictizia en Everis
  • Alumnos Fictizia en Telson
  • Alumnos Fictizia en Lalivingston
  • Alumnos Fictizia en Kairos DS
  • Alumnos Fictizia en Twin Pines
  • Alumnos Fictizia en LUCA data driven solutions
  • Alumnos Fictizia en Redbility
  • Alumnos Fictizia en LeChuck
  • Alumnos Fictizia en Liquid Squad
  • Alumnos Fictizia en Social Mood
  • Alumnos Fictizia en Warner Bros International TV Production