Aprendizaje Automático y Análisis Visual de Datos
El Certificado de Extensión Universitaria en Aprendizaje Automático y Análisis Visual de Datos de la Universidad de Málaga te va a permitir conocer las técnicas fundamentales de aprendizaje automático más habituales hoy día.
Este curso de inteligencia artificial está incluido dentro de la oferta de enseñanzas propias de la UMA. No requiere ninguna titulación previa. Las plazas son limitadas, así que matricúlate ahora mismo o, si deseas una formación más avanzada, consulta nuestro experto universitario.
100% Online y videotutorías con expertos
Sin horarios: flexibilidad total
Certificado por la Universidad de Málaga
13 semanas (60 horas / 6 ECTS)
Inicio 15 de febrero de 2027
¿A quién está dirigido?
Este título está dirigido a personas que, independientemente de si tienen titulación previa o no:
- Quieran realizar una formación de corta duración.
- Busquen conocer detalladamente las técnicas fundamentales de aprendizaje automático.
- Sepan programar en Python de forma básica o estén dispuestas a aprender a hacerlo con nuestro soporte antes de comenzar la formación.
- Posean conocimientos de matemáticas equivalentes al nivel de enseñanza media o educación secundaria.
Python, uno de los lenguajes de programación con más éxito en la actualidad.
Google Colab, un entorno de programación gratuito y fácil de usar.
Objetivos
A lo largo de la formación seguimos tres objetivos fundamentales:
- Entender cómo y por qué funcionan las técnicas fundamentales más actuales de aprendizaje automático (machine learning).
- Ser capaz de analizar los resultados y representarlos de manera gráfica y fácilmente comprensible por personas no expertas.
- Resolver problemas prácticos reales y que las soluciones sean fácilmente integrables con aplicaciones nuevas o ya existentes.
Esquema general
Para lograr sus objetivos, el curso se basa en cinco pilares fundamentales:
Comprender los fundamentos del aprendizaje automático. Como estos son independientes de la tecnología que se utilice, se busca que el alumnado consolide una base sólida de conocimiento que podrá aplicar, o bien con la tecnología actual, o bien con la futura.
Utilizar un lenguaje de programación potente y ampliamente utilizado como Python, así se logra que todo lo aprendido pueda ser utilizado en aplicaciones nuevas o ya existentes.
Emplear tecnologías de visualización de datos modernas, libres y altamente configurables que permiten analizar y representar los resultados de una manera fácilmente entendible por el ser humano.
Usar en nuestras prácticas bases de datos que modelan problemas reales.
Contenidos
Este título tiene una carga lectiva de 60 horas (6 ECTS) y está dividido en los siguientes módulos temáticos:
Módulo 1 – Algoritmos básicos de clasificación.
Introducción al aprendizaje automático: concepto de neurona artificial, nomenclatura y formalismo matemático del machine learning. Estudio del perceptrón simple y análisis del concepto de convergencia.
Módulo 2 – Algoritmos avanzados de clasificación.
Modelos de clasificación no lineales y regresión logística. Conceptos clave de rendimiento, generalización, separación de muestras (train/test/validation) y técnicas de regularización. Estudio e implementación de árboles de decisión, k-vecinos más próximos (kNN) y bosques aleatorios (Random Forests).
Módulo 3 – Calidad y preprocesado de datos.
Tratamiento de la calidad del dato: gestión de datos incompletos, asignación y escalado de rasgos. Selección de características significativas mediante bosques aleatorios, reducción de la dimensionalidad y control de la complejidad del modelo mediante regularización.
Módulo 4 – Evaluación de modelos y métricas de rendimiento avanzadas.
Análisis de fiabilidad en medidas de rendimiento: validación cruzada (cross-validation), ajuste gráfico mediante curvas de aprendizaje y validación, y ajuste fino de hiperparámetros mediante Grid Search. Evaluación avanzada con matrices de confusión, precisión, especificidad, sensibilidad, F-medida, curvas ROC y métricas para clasificación multiclase y problemas desequilibrados.
Módulo 5 – Algoritmos de regresión.
Predicción de variables continuas: visualización y matriz de correlación. Regresión lineal entrenada por descenso del gradiente y ajuste de modelos robustos mediante el algoritmo RANSAC. Métricas de rendimiento para regresión, técnicas anti-sobreajuste, regresión polinómica, árboles de decisión para regresión y Random Forests para regresión.
Además hemos incluido una unidad no evaluable con la que podrás aprender a programar en Python y así ser capaz de seguir el curso exitosamente.
Herramientas
Aprenderás a trabajar con las herramientas estándar de la industria, todas ellas de código abierto o de acceso gratuito. Podrás aplicar todo lo aprendido en tus proyectos reales sin pagar suscripciones ni licencias de software.
Lenguaje Python
El lenguaje de programación estándar en el ámbito de la Inteligencia Artificial y la Ciencia de Datos.
Google Colab
Entorno de desarrollo en la nube que permite ejecutar código sin instalar nada en tu ordenador.
Biblioteca NumPy
El motor matemático de código abierto fundamental para el cálculo científico en Python.
Biblioteca Scikit-Learn
La suite de Machine Learning más completa para desarrollar, evaluar y desplegar modelos.
Biblioteca Pandas
La herramienta imprescindible para la manipulación y análisis de datos tabulares.
Encuestas de Satisfacción
Si quieres, descubre los resultados de satisfacción detallados de ediciones anteriores, podrás conocer las opiniones de quienes ya han realizado esta formación con nosotros.
Importe y condiciones
Precio total
El importe total de la formación es de 175€, lo que te da acceso completo a todos los contenidos, tutorías y recursos del programa.
Sin sorpresas
El pago de la matrícula cubre la totalidad de la formación, la plataforma y la expedición del certificado emitido por la Universidad de Málaga. No existe ningún coste adicional.
Pago seguro
Tramitación directa a través de la pasarela oficial de la Universidad de Málaga, con total garantía y protección en tus transacciones.
¿Te interesa?