Introducción a Machine Learning

Estás aquí porque quieres convertirte en un experto en Machine Learning. ¡Qué inteligente decisión 🤯!

No tengo que decirte cómo la Inteligencia Artificial (AI) ya está dándole forma a nuestro mundo de maneras que son imposibles de explicar. Casi toda compañía utiliza AI hoy en día: Todos los ejércitos en el mundo, aerolíneas, transmisiones en streaming, todas las grandes compañías usan AI para predecir y tomar mejores decisiones.

¿Qué tan preparado estarás cuando termines este curso?

Solo un ejemplo, aquí está una pequeña degustación sobre lo que serás capaz de hacer:

Nota: Algunos de estos ejemplos de proyectos fueron diseñados por nuestros graduandos.

1. Diagnosticar neumonía observando radiografías con un 90 % de precisión (superior a la de los médicos).
2. Usar AI para encontrar automáticamente un niño desaparecido entre una multitud de 20K personas (esto pasó de verdad).
3. Predecir los precios del mercado de acciones con 70%+ de precisión (para escenarios específicos).
4. Encontrar a personas sosteniendo armas en lugares concurridos, como aeropuertos, conciertos, etc.

Estos ejemplos son solamente la punta del iceberg; durante este curso vas a adquirir conocimientos que te harán un candidato perfecto en la mayoría de todos los equipos de AI en el mundo; ayudarte a formar y desarrollar la inteligencia artificial más avanzada en la actualidad.

Buscando un trabajo

Hoy en día nuestros estudiantes están trabajando en compañías como CEMEX, Blackstone, la ciudad de Coral Gables (la ciudad más avanzada en USA, en términos de AI), y muchas otras.

No vas a necesitar ningún otro curso o entrenamiento; todo lo que tendrás que hacer es trabajar duro para practicar lo que vayas aprendiendo, y demostrar las mismas habilidades adquiridas en este curso durante tu próxima entrevista de trabajo.

Nota: algunos de nuestros graduandos les toma hasta 180 días en encontrar un trabajo en AI. El viaje es diferente para todos; Depende de ti tomar este desafío y trabajar duro hasta que valga la pena. Estaremos contigo durante todo este proceso. ¡Tú puedes!

Metodología

Los siguientes son nuestros cuatro pilares aplicados en cualquiera de nuestros cursos.

1. Aula invertida: La clase será un laboratorio; vendrás a clase con lecciones/videos ya leídos y muchas preguntas. ¡Listo para practicar! La única manera de aprender habilidades técnicas es a través de la práctica.
2. Haz preguntas: el curso se creó de una manera en la que tendrás que hacer preguntas; enfatizamos esto porque se ha convertido en una habilidad esencial para los equipos ágiles y técnicos de hoy; escribir una pregunta "de la manera correcta" te ayuda a estructurar tus ideas de manera lógica, te ayuda a comprender mejor, te permite ser mejor "buscando en Google" y también es la forma más rápida de dejar de estar atascado, que es la barrera número 1 para aprender una habilidad técnica como esta.
3. Un poquito cada día es mejor que mucho en uno solo: La mente olvida un 80% de lo que aprende después de 7 días. Por eso es que es tan importante practicar todos los días. Este curso está diseñado para una práctica constante; perder dos clases seguidas te pondrá en una posición desafiante, será difícil recuperar esos días.
4. Enfoque: deja que tu familia y amigos sepan sobre este curso; pídeles que te dejen enfocarte y estudiar. Las siguientes 16 semanas cambiarán tu carrera profesional para siempre, y tener una buena mentalidad es esencial para una experiencia exitosa.

Plan de estudios del Prework en pocas palabras

El Prework es solamente el primer módulo del curso: Introducción a Python y Ciencia de Datos.

En términos generales, vamos a abarcar los siguientes temas; por favor, nótese que esta tabla de contenido no está escrita en piedra y el contenido puede cambiar sin previo aviso; nuestro único objetivo es darte una idea general de qué esperar:

Prework

1. Programar en Python: Bucles, Funciones, Clases & Objetos.
2. Librerías más utilizadas: NumPy, Pandas & Matplotlib.
3. Trabajar con archivos.
4. Trabajar con el terminal.
5. Introducción a la Ciencia de Datos.
   5.1. Tipos de datos: numéricos, categóricos, ordinales.
   5.2. Tipos de promedios: media, mediana, moda.
   5.3. Tipos de expansión. 5.4. Cuantil vs. Percentil.
   5.5. Visualización de datos:
   • 5.5.1. Una variable: Histograma, Diagrama de Barras, Gráfico de Torta.
   • 5.5.2. Dos variables: Gráfico de Dispersión, Gráfico Lineal, Histograma en 2D.
   • 5.5.3. Tres variables: Mapa de Calor, Gráfico Lineal Multivariable.