Aprendizaje Supervisado

Científica de Datos, maestra y autora del libro “Ciencia de Datos: Una Guía Práctica”. Es Licenciada en Economía (PUCMM) con Maestría en Gerencia, Gestión financiera, Administración y Gestión de Empresas (IE Business School) y una maestría en Ciencia de Datos de OBS Business School.

Hoy en día funge como Directora de Data y Analítica en el Grupo Humano. Posee una amplia experiencia en la formación y gestión de equipos, data y analítica, con miras al desarrollo de la cultura de datos de las empresas.Es profesora en el Instituto Tecnológico de Santo Domingo (INTEC) y en la Pontificia Universidad Católica Madre y Maestra (PUCMM). Es fundadora de Data Talks, un espacio destinado al sector profesional con el objetivo de compartir ideas y experiencias relacionadas con el tema de datos y analítica.
En este curso aprenderás cómo las máquinas pueden “aprender” a partir de datos etiquetados para hacer predicciones y tomar decisiones informadas. Comprenderás los principios matemáticos y prácticos detrás de los modelos supervisados, y crearás tus primeros algoritmos de regresión y clasificación con Python.

A lo largo del curso, trabajarás con laboratorios prácticos que te permitirán aplicar conceptos clave como descenso de gradiente, regularización y evaluación de modelos, utilizando librerías como NumPy, Pandas y Scikit-learn.

Lo que aprenderás

  • Cómo funcionan los modelos de regresión lineal y cómo se entrenan para predecir valores numéricos.
  • Qué es la función de costo y cómo se optimiza mediante el descenso de gradiente.
  • Cómo escalar variables y aplicar técnicas de regularización para mejorar el desempeño de tus modelos.
  • Qué es la regresión logística y cómo se utiliza para problemas de clasificación.
  • Cómo identificar y evitar el sobreajuste (overfitting).
  • Prácticas guiadas en Python para construir y evaluar modelos de predicción paso a paso.

Ideal para ti si…

  • Ya tienes una base en los fundamentos de IA o completaste el curso anterior.
  • Quieres aprender a entrenar tus propios modelos predictivos.
  • Buscas aplicar IA de manera práctica en entornos de negocio, educación o proyectos personales.

Al completar este curso podrás:

Comprender los fundamentos del aprendizaje supervisado y cómo se entrenan los modelos.
Analizar el comportamiento de modelos de regresión y clasificación.
Desarrollar criterio para seleccionar y mejorar modelos simples de machine learning.
Continúa con el siguiente nivel del programa:
 Algoritmos Avanzados

Course Lessons

Temas incluidos en este curso

Creado con