Ir al contenido principal

Metodologías Ágiles para el Desarrollo de Aplicaciones con Machine Learning
La inscripción en este curso es sólo por invitación

Aprende las metodologías y prácticas para crear aplicaciones y proyectos que involucren machine learning e inteligencia artificial. Profundiza en el flujo de trabajo para el desarrollo de software con las tecnologías más recientes y ampliamente utilizadas en machine learning
La inscripción en este curso es sólo por invitación
Logo UNAL

Metodologías Ágiles para el Desarrollo de Aplicaciones con Machine Learning

INSCRIBIRSE

Acerca de

Contenido

Sexto módulo del programa de formación Machine Learning & Data Science, en el que aprenderás las metodologías y herramientas más utilizadas para el desarrollo de aplicaciones que involucren machine learning e inteligencia artificial.

El módulo cubrirá los fundamentos de para desarrollar aplicaciones que involucren Machine Learning. Se presentarán diferentes metodologías para el desarrollo de aplicaciones, cómo ejecutar cada una de sus fases, realizar versionamiento de código y datos, selección y puesta en producción de modelos y cómo realizar seguimiento a los modelos desplegados.

En el programa de formación en MLDS se asume la educación como un proceso de interacción dinámica centrada en los participantes, donde el rol del profesor, además de proveer su experiencia profesional y los elementos conceptuales, se concentra en ser un dinamizador de las actividades de aprendizaje. Desde esta perspectiva la metodología debe reflejar el enfoque propiciando el desarrollo de las competencias propuestas.

El módulo se impartirá de manera virtual. Para tal fin, los estudiantes contarán con acceso a un sistema de videoconferencia para las sesiones sincrónicas y acceso a una plataforma de aprendizaje autónomo dónde encontrarán una gran cantidad de recursos educativos digitales (REDs) que han sido especialmente diseñados para esta actividad, tales como: videos, imágenes, animaciones, lecturas, notebooks de código pre programado, guías de referencia, etc.

Contenido del curso

En el transcurso del curso se realizarán las siguientes unidades temáticas:

Unidad 1 - Metodologías de desarrollo de Machine Learning

  • Metodologías de desarrrollo de aplicaciones de machine learning
  • Knowledge Discovery in Databases - Kdd
  • Sample, Explore, Modify, Model, Assess - semma
  • Cross Industry Standard Process for Data Mining - CRISP-DM

Unidad 2 - Estructura estandarizada, herramientas y utilidades

  • Estrucutra de proyectos
  • Versionamiento
  • Integración de herramientas de versionamiento

Unidad 3 - Ciclo de vida de ciencia de datos

  • Ciclo de vida ciencia de datos
  • Herramientas extracción de características
  • Herramientos de modelado, comparacción y selección de modelo

Unidad 4 - Despliegue de modelos

  • Tipos de despliegue
  • Exportación y reutilización de modelos

Unidad 5 - Evaluación y reiteración de modelos

  • Evaluación de modelos (métricas de modelo vs KPI
  • Monitoreo de modelos

INSCRIBIRSE

EQUIPO DOCENTE

Profesor Jorge

Jorge Eliécer Camargo, PhD

Profesor del Departamento de Ingeniería de Sistemas e Industrial de la Universidad Nacional de Colombia, Sede Bogotá. Cuenta con más de 100 publicaciones científicas en revistas, libros y conferencias internacionales relacionadas con el manejo de grandes volúmenes de datos (big data) y aplicaciones de machine learning en imágenes, audio y texto. Actualmente es líder del grupo de investigación en ciberseguridad UnSecureLab.

INSCRIBIRSE

LANDING PAGE

La inscripción en este curso es sólo por invitación