FUNDAMENTOS DE
MACHINE LEARNING
Principios del aprendizaje automático aplicados a la resolución de problemas reales basados en datos.
Duración
16 horas intensivas
Modalidad
Virtual (vía Zoom)
Nivel
Fundamentos Aplicados
Instructor
Leonardo Correa
Frecuencia
2 veces por semana
Horario
Lunes y Jueves 7:00pm - 9:00pm CRC
Descripción del Curso
Este curso introduce los fundamentos del Machine Learning desde una perspectiva aplicada, orientada a comprender cómo los algoritmos aprenden a partir de datos y cómo pueden utilizarse para generar predicciones, clasificaciones y recomendaciones en contextos reales.
A lo largo del programa, los participantes explorarán los principales tipos de aprendizaje (supervisado, no supervisado y por refuerzo), entendiendo su lógica y funcionamiento sin requerir un perfil altamente técnico.
Objetivo del Curso
Comprender los principios fundamentales del Machine Learning, los principales algoritmos utilizados y su aplicación práctica en la resolución de problemas reales basados en datos.
Programa Académico
8 Módulos prácticos paso a paso
Introducción al ML
¿Qué es y cómo funciona? Diferencia con la programación tradicional. Casos de uso en negocio.
Tipos de Aprendizaje
Supervisado (regresión/clasificación), No supervisado (clustering) y Aprendizaje por refuerzo.
Preparación de Datos
Calidad de información, limpieza, transformación y división (entrenamiento/validación/prueba).
Algoritmos Fundamentales
Regresión lineal y logística, Árboles de decisión, Random Forest y K-means clustering.
Evaluación de Modelos
Métricas de desempeño (Accuracy, Precision, Recall). Overfitting y Underfitting.
Interpretación de Modelos
Cómo leer resultados, importancia de variables y uso para apoyo en decisiones.
Implementación Práctica
Uso de herramientas accesibles (Python básico/No-code). Construcción de modelos simples.
Buenas Prácticas
Ética y sesgos en modelos. Cuándo usar (y cuándo no usar) Machine Learning.
Metodología
Modalidad virtual sincrónica con sesiones en vivo, ejercicios guiados paso a paso y análisis de casos reales para garantizar el aprendizaje aplicado.
Resultado esperado
Al finalizar, serás capaz de identificar problemas que pueden resolverse con ML, seleccionar el algoritmo adecuado e interpretar sus resultados para el negocio.