MATRICÚLATE

Machine Learning & Deep Learning con Spark & Tensorflow

¡Videocurso de más de 100 sesiones!

🎁 ¿Quieres un 20% de DCTO extra?, usa el código:
descuentobda

Matricúlate aquí 👈

¡Más de 100 sesiones en el VIDEOCURSO!

Conoce el temario de más de 100 sesiones divididas en 8 módulos

  • INTRODUCCIÓN A LA CIENCIA DE DATOS, IA Y BIG DATA

    • Presentación general del curso y objetivos
    • Roles en la Ciencia de Datos y su valor en la empresa
    • La Ciencia de Datos como soporte a la toma de decisiones
    • Diferencias entre Machine Learning, Deep Learning e Inteligencia Artificial
    • Panorama actual de la Inteligencia Artificial Generativa
    • Ecosistema tecnológico: Spark, TensorFlow, Pandas, GPU y Data Lake
    • Conceptos de Big Data y procesamiento distribuido
    • Arquitecturas modernas de datos
    • Configuración de entornos de trabajo
  • MÓDULO 2: INFRAESTRUCTURA Y ARQUITECTURA PARA MACHINE LEARNING

    • Conceptos de arquitectura on-premise, cloud e híbrida
    • Configuración de clústeres Spark para procesamiento distribuido
    • Preparación de infraestructura con GPU para Deep Learning
    • Gestión de almacenamiento de datos y Data Lake
    • Transferencia de datos entre entornos
    • Configuración de entornos Spark + TensorFlow
    • Fundamentos de integración de datos en arquitecturas analíticas
    • Buenas prácticas de organización de proyectos de IA
  • MÓDULO 3: PREPARACIÓN Y TRANSFORMACIÓN DE DATOS CON SPARK

    • DataFrames con PySpark y Pandas: diferencias y casos de uso
    • Procesamiento distribuido vs procesamiento local
    • Limpieza de datos: nulos, tipado, consistencia
    • Creación de variables dummy y encoding categórico
    • Escalamiento, normalización y tratamiento de outliers
    • Preparación de datasets para Machine Learning
    • Construcción de pipelines de transformación de datos
    • Integración de datasets dentro del flujo analítico
  • MÓDULO 4: REGRESIÓN Y CLASIFICACIÓN EN APRENDIZAJE SUPERVISADO

    • Diferenciación entre variables dependientes e independientes
    • División de datos en entrenamiento y validación
    • Algoritmo de Regresión Lineal: mínimos cuadrados y gradiente
    • Árboles de decisión: construcción y principios de impureza
    • Árboles Boosted y comparación con modelos simples
    • Métricas clave: MAE, MSE, RMSE, R², Accuracy, GINI
    • Implementación de modelos supervisados con Spark ML
  • MÓDULO 5: VALIDACIÓN Y OPTIMIZACIÓN DE MODELOS

    • Conceptos de validación cruzada y generalización
    • Calibración de modelos mediante técnicas estadísticas
    • Ajuste de hiperparámetros: grid search y parámetros críticos
    • Calibración de learning rate, batch size y profundidad de red
    • Regularización para evitar overfitting (L1/L2, Dropout)
    • Uso de Azure ML AutoML para entrenamiento automatizado
    • Comparación entre modelos calibrados manualmente
  • MÓDULO 6: APRENDIZAJE NO SUPERVISADO Y CLUSTERING

    • Principios del aprendizaje no supervisado
    • KMeans como algoritmo de clustering más utilizado
    • Preparación de datos para modelos no supervisados
    • Calibración del número óptimo de clústers (K óptimo)
    • Evaluación de resultados y visualización de agrupamientos
    • Aplicaciones reales de segmentación de datos en negocio
  • MÓDULO 7: REDES NEURONALES Y DEEP LEARNING CON TENSORFLOW

    • Fundamentos del perceptrón y estructuras neuronales
    • Funciones de activación: ReLU, Sigmoid, Tanh, Softmax
    • Entrenamiento de redes con descenso de gradiente
    • Implementación de redes neuronales
    • Calibración de capas, activaciones y arquitectura
    • Integración Spark + TensorFlow
    • Redes convolucionales (CNN): tensorización, filtros, pooling
    • Comparativa entre modelos superficiales y profundos
  • MÓDULO 8: DESPLIEGUE DE MODELOS Y PERSPECTIVA PROFESIONAL

    • Publicación de modelos
    • Registro Y aprobación de modelos
    • Consumo y eliminación controlada de modelos en producción
    • Aplicaciones de IA: visión computacional, NLP, IA generativa
    • Introducción a la Ingeniería de Datos para IA escalable
    • Cierre del curso y guía de certificación profesional

Profesor

"He trabajado con todo tipo de proyectos, desde pequeños de unos cuántos miles de dólares, hasta muy grandes de presupuestos de millones de dólares"

✅EXPERTO EN IA PARA BANCOS Y FINANCIERAS
✅14 años de experiencia en Big Data e Inteligencia Artificial
✅12 años de experiencia como docente universitario
✅Más detalles de mi perfil: LINKEDIN

Alonso Melgarejo

📋

Requisitos

No se necesita experiencia previa, ya que se aprende desde cero

🎓

Certificación Internacional

Al finalizar el curso obtendrás los certificados de 'Data Scientist on Spark & Tensoflow', 'Analytics Architect on Spark & Tensoflow' y 'Analytics Leader on Spark & Tensoflow'

🎞️

¿Y si no puedo asistir en vivo?

No te preocupes, si no puedes asistir o llegas tarde, podrás acceder de por vida a las grabaciones de cada sesión desde nuestra plataforma.

Algunos alumnos incluso llevan las clases sólo con las grabaciones.

Se indispensable para tu empresa y ten un alto salario

🎁 ¿Quieres un 20% de DCTO extra?, usa el código:
descuentobda

Matricúlate aquí 👈

Preguntas Frecuentes

  • ¿Qué es Big Data Academy (BDA)?

    Somos una empresa que tiene como objetivo desbloquear todo tu potencial en Big Data, Inteligencia Artificial y Cloud Computing

  • ¿Hay cursos para principiantes?

    Sí, desde workshops de primeros pasos hasta cursos y programas completos

  • ¿Hay cursos para empresas o grupos grandes?

    Sí, con buenos descuentos, puedes escribirnos a nuestro WhatsApp (+51 907 999 456)

  • ¿Cuáles son los cursos en los que puedo matricularme?

    Puedes encontrar los cursos y programas desde el siguiente enlace: CURSOS

  • ¿Cuáles son los requisitos para matricularme en un curso?

    Puedes revisar el brochure o la web de cada curso para conocer su detalle

  • ¿Qué tipo de computadora requiero para iniciar un curso?

    Una computadora simple, usamos infraestructura en la nube para practicar, puedes acceder incluso desde tu tablet

  • ¿Cuántas horas semanales requiero para llevar un curso?

    Depende de ti, pero te recomendamos de 2 a 3 horas semanales