Acerca del curso
Este curso está diseñado para adaptarse a diferentes niveles de conocimiento técnico, facilitando tanto la introducción al lenguaje Python como su aplicación práctica en el ámbito de los modelos predictivos y de clasificación.
Acerca del profesor
Daiana Levit
Actuaria en administración (UBA). Maestrando en la Maestría en gestión y análisis de datos financieros en la UBA. +10 años de experiencia capacitando en análisis de datos y herramientas informáticas. Docente de materias actuariales en la Universidad Siglo 21.
Objetivos
Este curso tiene como objetivo proporcionar a los participantes una comprensión fundamental de los modelos de Machine Learning, abordando desde los conceptos básicos hasta la implementación práctica en Python. Al finalizar, los alumnos podrán crear, entrenar y evaluar modelos simples para resolver problemas reales.
Programa
Fundamentos de Machine Learning. Tipos de aprendizaje: supervisado, no supervisado y por refuerzo. Flujo básico de un modelo de ML. Implementación práctica. Clasificación vs. Regresión: diferencias y casos de uso. Modelos clásicos: Regresión logística (para clasificación) y Árboles de decisión. Validación cruzada y ajuste de hiperparámetros.