$ - Ecuador 
$COP - Colombia 
$MXN - México 
$CLP - Chile 
$ARS - Argentina 
🎯 Objetivos del Curso
✅ Comprender los fundamentos del Machine Learning
✅ Preparar y analizar datos correctamente
✅ Implementar modelos básicos de clasificación, regresión y clustering
✅ Evaluar y optimizar modelos
✅ Aplicar lo aprendido en un proyecto final realista
Horarios
Inicio de clases
Duración: 20 h
Martes y Jueves, 09-Sep- 18-Sep
19:00 – 22:00
S/280.00
Machine Learning para Principiantes
Temario
⏳ Duración total: 12 horas
📌 Modalidad: Teórico-práctico
📌 Módulo 1: Introducción al Machine Learning
🔹 ¿Qué es Machine Learning? Conceptos clave
🔹 Tipos de Machine Learning: Supervisado vs. No Supervisado
🔹 Aplicaciones en la industria
🔹 Instalación del entorno de desarrollo: Python, Jupyter Notebook, librerías esenciales (numpy, pandas, scikit-learn)
✏️ Ejercicio práctico: Ejecutar un primer modelo básico con scikit-learn.
📌 Módulo 2: Preparación y Análisis de Datos
🔹 Importación de datos con pandas
🔹 Limpieza de datos: manejo de valores nulos y outliers
🔹 Normalización y escalado de datos
🔹 Visualización de datos con matplotlib y seaborn
✏️ Ejercicio práctico: Análisis exploratorio de un dataset real (Ej: precios de viviendas)
📌 Módulo 3: Modelos de Aprendizaje Supervisado
🔹 Regresión Lineal y Regresión Logística
🔹 Árboles de Decisión y Random Forest
🔹 Evaluación de modelos: Precisión, Recall, F1-score
✏️ Ejercicio práctico: Crear un modelo de clasificación para predecir si un cliente comprará un producto.
📌 Módulo 4: Modelos de Aprendizaje No Supervisado
🔹 Introducción al Clustering
🔹 Algoritmo K-Means
🔹 Reducción de dimensionalidad con PCA
✏️ Ejercicio práctico: Aplicar K-Means para segmentación de clientes