$ - Ecuador 
$COP - Colombia 
$MXN - México 
$CLP - Chile 
$ARS - Argentina 
🎯 Objetivos del Curso
✅ Introducir a los participantes en las técnicas de aprendizaje automático aplicadas a la analítica predictiva.
✅ Desarrollar modelos predictivos que permitan anticipar comportamientos y tendencias en conjuntos de datos.
Horarios
Inicio de clases
Duración: 15 h
Miercoles y viernes, 3-Dic- 17-Dic
10:00 – 13:00
S/370.00
Analítica Predictiva con Machine Learning
Temario
⏳ Duración total: 15 horas
📌 Modalidad: Teórico-práctico ( Clases en Vivo)
Módulo 1: Introducción a la Analítica Predictiva y Machine Learning
Conceptos Básicos:
Definición de analítica predictiva y su importancia en la toma de decisiones empresariales.
Introducción al machine learning y su relación con la analítica predictiva.
Tipos de Aprendizaje Automático:
Aprendizaje supervisado, no supervisado y por refuerzo.
Diferencias y aplicaciones de cada tipo de aprendizaje.
Módulo 2: Preparación y Preprocesamiento de Datos
Recolección y Limpieza de Datos:
Fuentes de datos y técnicas de recolección.
Manejo de datos faltantes y detección de outliers.
Transformación y Normalización:
Codificación de variables categóricas.
Escalado y normalización de datos.
Módulo 3: Modelos Predictivos Supervisados
Regresión lineal y regresión logística.
Aplicaciones y casos de uso.
Clasificación:
Árboles de decisión, k-vecinos más cercanos y máquinas de soporte vectorial.
Evaluación de modelos de clasificación.
Módulo 4: Modelos Predictivos No Supervisados y Técnicas Avanzadas
Clustering:
K-means y jerárquico.
Aplicaciones en segmentación de clientes.
Redes Neuronales y Deep Learning:
Introducción a las redes neuronales artificiales.
Aplicaciones del deep learning en la analítica predictiva.
Módulo 5: Implementación y Evaluación de Modelos
Validación Cruzada y Métricas de Evaluación:
Técnicas de validación y selección de modelos.
Métricas como precisión, recall y F1-score.
Implementación Práctica:
Uso de herramientas y bibliotecas en Python para machine learning.
Despliegue de modelos en entornos productivos.