APLICACIONES DE MACHINE LEARNING EN
PYTHON PARA CIENCIAS SOCIALES
El objetivo del curso es aplicar conocimientos básicos de programación en Python, adquiridos en el curso introductorio, para aplicar en casos de datos reales algunas de las principales técnicas de Machine Learning como aprendizaje supervisado (regresión y árboles de decisión), no supervisado y procesamiento de lenguaje natural entre otras.
Horario
Miércoles de 19:00 a 22:00 horas
desde el miércoles 13 de octubre
(5 sesiones)
Participantes
20 Cupos Disponibles
¡No te quedes fuera!
CLP$100.000.-
Paga con Transferencia Electrónica, Tarjeta Crédito/Débito, Pay Pal o Criptomonedas
Sobre el Curso
- Aprender las nociones generales del Aprendizaje Supervisado y No
supervisado. - Generar sus propios modelos algorítmicos para cada problema presentado.
- Que el estudiante pueda utilizar y seleccionar los modelos adecuados para los problemas
presentados.
Estudiantes, consultores y profesionales del área de las ciencias sociales y humanidades
interesados en el perfeccionamiento en técnicas computacionales para el análisis social.
- Soporte técnico para tomar clases virtuales (computador, conexión a internet estable, etc).
- Nociones básicas y sintaxis del lenguaje de programación Python.
- Conocimientos en procesamiento de bases de datos.
Descarga el Programa completo de este curso
Programa del Curso
Sesión 1
- Preprocesamiento y acondicionamiento de datos
- API’s y Web Services
- Web Scraping
Sesión 2
- Concepto de Machine Learning
- Tipos de Machine Learning
- Características de los modelos de Regresión
- Aplicación de un modelo de Regresión
Sesión 3
- Aprendizaje supervisado
- Árboles de decisión
- Validación cruzada y evaluación de resultados
- Aplicación de modelos de árboles de decisión y Random Forest
Sesión 4
- Introducción a técnicas de Procesamiento de Lenguaje Natural (NLP)
- Aplicación de técnicas de Text Mining
- Modelos de técnicas de NLP
- Visualizaciones de NLP
Sesión 5
- Aprendizaje no supervisado
- Modelos de Clusterización: concepto y aplicación
- Reducción de dimensionalidad
- Introducción a las principales técnicas de GIS
Facilitador
Ramiro Fernández
- Sociólogo (Universidad de Buenos Aires), Maestría en Data Mining y KNN (Departamento de Computación – Universidad de Buenos Aires).
- Senior Data Analyst de Rappi LatAm.
- Coordinador del área Social Data Analytics de la Escuela Argentina de Nuevas Tecnologías
(EANT).