Curso Optimización de Modelos en ML + 8 Créditos ECTS

Curso optimización modelos ml

Name: Curso Optimización Modelos ML
Price: 260 EUR

4,6

81 alumnos

Entidad(es):

Modalidad

Online

Duración - Créditos

200 horas - 8 ECTS

Baremable Oposiciones

Administración pública

Becas y

Financiación

Plataforma Web

24 Horas

Acompañamiento

Personalizado

Reconocidos por:

Acreditados como:

Temario

UNIDAD DIDÁCTICA 1. FUNDAMENTOS DE LA OPTIMIZACIÓN EN APRENDIZAJE AUTOMÁTICO

UNIDAD DIDÁCTICA 2. FUNCIONES DE PÉRDIDA Y MÉTRICAS DE EVALUACIÓN

UNIDAD DIDÁCTICA 3. DESCENSO DEL GRADIENTE Y VARIANTES ESTOCÁSTICAS

UNIDAD DIDÁCTICA 4. TÉCNICAS DE REGULACIÓN EN MODELOS SUPERVISADOS

UNIDAD DIDÁCTICA 5. AJUSTE DE HIPERPARÁMETROS Y VALIDACIÓN CRUZADA

UNIDAD DIDÁCTICA 6. ESTRATEGIAS PARA EVITAR OVERFITTING Y UNDERFITTING

UNIDAD DIDÁCTICA 7. OPTIMIZACIÓN EN REDES NEURONALES PROFUNDAS

UNIDAD DIDÁCTICA 8. OPTIMIZADORES AVANZADOS: ADAM, RMSPROP Y OTROS

UNIDAD DIDÁCTICA 9. AUTOMATIZACIÓN DEL TUNING CON BÚSQUEDA BAYESIANA Y GRID SEARCH

Descarga gratis el temario completo en PDF de curso optimización modelos ml

Plan de estudios

Resumen salidas profesionales

En el ámbito del aprendizaje automático, la optimización de modelos se ha convertido en una habilidad imprescindible para cualquier profesional que aspire a destacar en el sector. La demanda laboral en este campo está en pleno auge, y el curso Optimización de Modelos en ML te ofrece una oportunidad única para adquirir conocimientos esenciales que marcan la diferencia. Aprenderás a manejar funciones de pérdida y métricas de evaluación, aplicar técnicas avanzadas como el descenso del gradiente, y descubrir estrategias efectivas para evitar el overfitting, entre otros. Además, te adentrarás en el mundo de los optimizadores avanzados como ADAM y RMSprop, y explorarás la automatización del tuning con métodos innovadores.

Objetivos

- Comprender los fundamentos de la optimización en aprendizaje automático. - Identificar funciones de pérdida y métricas de evaluación de modelos. - Aplicar técnicas de descenso del gradiente y sus variantes estocásticas. - Implementar técnicas de regulación en modelos supervisados. - Realizar ajuste de hiperparámetros y validación cruzada eficazmente. - Desarrollar estrategias para evitar overfitting y underfitting en modelos. - Optimizar redes neuronales profundas usando optimizadores avanzados.

Salidas profesionales

Las principales salidas profesionales de este curso Optimización de Modelos en ML son las de profesional en ciencia de datos especializado en optimización de modelos, responsable de machine learning con enfoque en ajuste de hiperparámetros y especialista en redes neuronales profundas orientadas a la reducción del overfitting entre otras funciones.

Para qué te prepara

Al completar el curso Optimización de Modelos en ML, te prepararás para mejorar el rendimiento de modelos de aprendizaje automático. Aprenderás a implementar funciones de pérdida y métricas de evaluación, aplicar técnicas de descenso del gradiente y sus variantes, así como a regular modelos supervisados para evitar overfitting y underfitting. Además, desarrollarás habilidades para ajustar hiperparámetros mediante validación cruzada.

A quién va dirigido

El curso Optimización de Modelos en ML está diseñado para titulados en ciencia de datos, ingeniería y campos relacionados, interesados en mejorar sus habilidades en optimización de modelos de aprendizaje automático. Abordaremos desde los fundamentos de optimización hasta técnicas avanzadas como el ajuste de hiperparámetros y estrategias para evitar overfitting.

Metodología

Aprendizaje 100% online

Plataforma web en la que se encuentra todo el contenido de la acción formativa. A través de ella podrá estudiar y comprender el temario mediante actividades prácticas, autoevaluaciones y una evaluación final.