Machine Learning con MATLAB

Este curso de dos días se centra en data analytics y técnicas de machine learning de MATLAB^® usando las funcionalidades de Statistics and Machine Learning Toolbox™ y Deep Learning Toolbox™. Este curso muestra cómo usar el aprendizaje no supervisado para descubrir características en grandes conjuntos de datos y el aprendizaje supervisado para crear modelos predictivos. Los ejemplos y ejercicios destacan las técnicas para la visualización y la evaluación de los resultados. Temas incluidos:

Organizar y preprocesar datos
Agrupar datos
Crear modelos de clasificación y regresión
Interpretar y evaluar modelos
Simplificar conjuntos de datos
Utilizar ensembles para mejorar el rendimiento de los modelos

Ver esquema detallado del curso

Prerrequisitos

Fundamentos de MATLAB

Este curso también está disponible de manera virtual en formato A su ritmo.

Detalles e inicio

Día 1 de 2
Importación y organización de datos	Objetivo: Importe datos a MATLAB y organícelos para su análisis, incluida la normalización de los datos y la eliminación de observaciones con valores ausentes. Tipos de datos Tablas Preparación de datos
Detectar patrones naturales en los datos	Objetivo: Utilice técnicas de aprendizaje no supervisado para agrupar observaciones basadas en un conjunto de variables explicativas y detectar patrones naturales en un conjunto de datos. Aprendizaje no supervisado Métodos de agrupación Evaluación e interpretación de agrupaciones
Creación de modelos de clasificación	Objetivo: Utilice técnicas de aprendizaje supervisado para crear modelos predictivos para problemas de clasificación. Evalúe la precisión de un modelo predictivo. Aprendizaje supervisado Entrenamiento y validación Métodos de clasificación

Día 2 de 2
Mejora de modelos predictivos	Objetivo: Reduzca la dimensionalidad de un conjunto de datos. Mejore y simplifique modelos de machine learning. Validación cruzada Optimización de hiperparámetros Transformación de características Selección de características Aprendizaje de ensembles
Creación de modelos de regresión	Objetivo: Utilice técnicas de aprendizaje supervisado para crear modelos predictivos de variables de respuesta continuas. Métodos de regresión paramétrica Métodos de regresión no paramétrica Evaluación de modelos de regresión
Creación de redes neuronales	Objetivo: Cree y entrene redes neuronales para la agrupación y la modelización predictiva. Ajuste la arquitectura de la red para mejorar el rendimiento. Agrupación con mapas autoorganizados Clasificación con redes de tipo feed-forward Regresión con redes de tipo feed-forward

Garantizado

Cuando se inscriba en alguno de estos cursos, tendrá la seguridad de que no serán cancelados ni se cambiarán las fechas por ningún motivo.

Calendario de cursos de MATLAB y Simulink

Actualmente no hay clases programadas para este curso.