Descripción del curso
En este curso, aprenderá los fundamentos del modelado de clasificación utilizando el aprendizaje automático. Examinará la tubería típica del modelo de clasificación y los problemas aplicables a los que se puede aplicar. También aprenderá a recopilar, preprocesar y analizar los datos necesarios para crear un modelo de clasificación viable.
Se explicarán los modelos de clasificación más comunes y se analizarán las compensaciones entre modelos, incluyendo consejos prácticos para su aplicación. Este curso también presenta las redes neuronales y sus aplicaciones dentro de los modelos de clasificación. Se discutirán los desafíos más comunes para que pueda asegurarse de que los modelos que cree sean justos, confiables y robustos. Finalmente, tendrá la oportunidad de revisar varios estudios de casos de modelos de clasificación para que pueda ver cómo funcionan en detalle. Al final de este curso, deberá ser capaz de diseñar, analizar, validar e implementar un modelo de clasificación, así como comprender las implicaciones de su uso.
Lo que aprenderás
- Identificar cómo y dónde se aplican los modelos de clasificación a problemas del mundo real
- Comparar algoritmos de clasificación, incluyendo sus fortalezas, debilidades y escenarios aplicables
- Elegir el mejor algoritmo de clasificación para un problema específico dados los intercambios entre modelos
- Recopilar, preprocesar y analizar los datos necesarios para construir un modelo de clasificación viable
- Analizar, validar e implementar los resultados de un modelo de clasificación
- Examinar estudios de casos de modelos de clasificación que han sido implementados
Puntos clave
- El curso cubre el pipeline típico del modelo de clasificación, desde la recopilación y preprocesamiento de datos hasta la construcción del modelo, ingeniería de características y validación.
- Explica los modelos de clasificación más comunes y discute los intercambios entre ellos junto con consejos prácticos de implementación.
- Se introducen redes neuronales y sus aplicaciones dentro de modelos de clasificación, incluyendo clasificación de imágenes y redes neuronales convolucionales.
- Se discuten desafíos comunes como explicabilidad, sesgo y equidad y ataques adversariales para ayudar a construir modelos justos, confiables y robustos.
- Los casos de uso, incluyendo comportamiento del cliente, medicina y atención de la salud y clasificación de imágenes, muestran cómo funcionan los modelos de clasificación en detalle.
Preguntas frecuentes
¿Qué podré hacer después de completar este curso?
Al final del curso, debería ser capaz de diseñar, analizar, validar e implementar un modelo de clasificación, así como comprender las implicaciones de su uso.
¿Qué modelos de clasificación cubre este curso?
El curso cubre modelos de clasificación comunes incluyendo regresión, Bayes ingenuo, máquinas de vectores de soporte, árboles de decisión, modelos de bosques aleatorios, aumento de gradiente, k-vecinos más cercanos, modelos multiclase y perceptrones y redes neuronales.
¿Cubre este curso redes neuronales?
Sí. Introduce redes neuronales y sus aplicaciones dentro de modelos de clasificación, incluyendo clasificación de imágenes y redes neuronales convolucionales.
¿Qué desafíos en modelado de clasificación aborda el curso?
Discute desafíos comunes como problemas de recopilación de datos, explicabilidad, sesgo y equidad, ataques adversariales y desafíos emergentes para que pueda garantizar que sus modelos sean justos, confiables y robustos.
¿Hay ejemplos del mundo real en este curso?
Sí. El curso incluye estudios de casos de modelos de clasificación implementados, cubriendo comportamiento del cliente, medicina y atención de la salud y clasificación de imágenes.
Certificaciones profesionales y Unidades de Educación Continua (CEUs)
Continuing Development Units (CDUs): 2.0
KnowledgeCity es un proveedor de educación aprobado por el International Institute of Business Analysis™ (IIBA®) para CCBA®, CBAP®. Los cursos de KnowledgeCity pueden ayudar a los alumnos con sus unidades de desarrollo continuo (CDUs).
