Fundamentos de Aprendizaje Automático / Machine Learning

Humai

Para poder acceder al curso se requiere inscribirse desde la página web

Acerca de este curso

Algoritmos capaces de aprender y mejorar su rendimiento a partir de sus datos de entrada o de la experiencia, sin estar explícitamente programados para ello.

El programa incluye:

Introducción y Regresión lineal simple
Regresión lineal múltiple y evaluación de modelos
Regularización y feature engineering
Clasificación - Regresión logística
Métodos supervisados no paramétricos
Aprendizaje no supervisado
Examen - Machine Learning

Se espera compromiso y asistencia a clase. Para aprobar este curso y adquirir el certificado se requiere la aprobación del examen final.

Requisitos previos

Docentes

Pablo Marinozi

Ingeniero en Sistemas, Doctorando en Ciencias Informáticas en la UNLP y Docente de Machine Learning, Computer Vision y Deep Learning en la UTN de Mendoza. Investigando sobre redes neuronales que procesen imágenes 3D para su aplicación en Viticultura de Precisión.

Felipe Aguirre

Licenciado en psicología, interesado en la intersección entre salud mental y neurociencias con inteligencia artificial, especialmente con el Procesamiento de Lenguaje Natural. Desarrollador de Python y docente, está cursando el posgrado en Estadística para Ciencias de la Salud en la UBA.

Nahuel Passano

Machine Learning Engineer en MecanTronic. Desarrollador de IA en Infiniem Labs. Estudiante avanzado de Ingeniería de Sonido en UNTREF.

Si no tenés acceso al curso, podés inscribirte ingresando a https://humai.com.ar/cursos/fundamentos_ml