Analítica de datos y Aprendizaje profundo
Domina las técnicas de Analítica de datos y Aprendizaje profundo
Certificado con validez SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 144 h
100% autodidacta
27 unidades
Nivel intermedio
Modalidad
Así estudias: curso autodidacta
- Autodidacta y 100% en línea: contenido disponible 24/7.
- Avanzas a tu ritmo: la plataforma guarda tu progreso.
- Sin tutor ni clases en vivo: el curso está diseñado para estudiarse por tu cuenta.
- Te evalúas con actividades automáticas, sin entregas a un tutor.
Qué aprenderás
Lo que serás capaz de hacer
Esta especialización se centra en dotar a los científicos y analistas de datos de las habilidades necesarias para preprocesar datos, manejar tecnologías de big data e implementar modelos de aprendizaje profundo. Los alumnos adquirirán experiencia práctica en la preparación y el análisis de datos y en la creación de redes neuronales para el análisis predictivo. Se cubrirán herramientas y técnicas relevantes para la industria para garantizar la aplicación práctica en escenarios del mundo real.
- Cómo preprocesar y analizar datos mediante diversas técnicas
- Implementación de tecnologías de Big data como Hadoop y Spark
- Aplicación de modelos de Aprendizaje profundo para resolver problemas complejos
Habilidades que desarrollarás
NoSQL
Algoritmos de aprendizaje automático
Macrodatos
Evaluación de modelos
Apache Hadoop
Redes neuronales recurrentes (RNNs)
Aprendizaje profundo
Análisis estadístico
Visualización de datos
Análisis de datos
Análisis exploratorio de datos
Apache Spark
Métodos estadísticos
Presentación de datos
Redes neuronales convolucionales
Aprendizaje por transferencia
Probabilidad y estadística
Infraestructura de datos
Optimización de modelos
Aprendizaje automático
Temario
UNIDAD 1 - Módulo 1: Proceso de preparación y análisis de datos · 22 leccionesPreparación y análisis de datos - UNIDAD 1 - Módulo 1: Proceso de preparación y análisis de datos
UNIDAD 1 - Módulo 1: Proceso de preparación y análisis de datos · 22 lecciones
Preparación y análisis de datos - UNIDAD 1 - Módulo 1: Proceso de preparación y análisis de datos
- Resumen del curso
- Introducción del instructor
- Plan de estudios
- Archivos de datos
- Módulo 1 Introducción
- Módulo 1 Introducción
- Módulo 1 Laboratorio Python - Código VS
- Big data e IEEE 754
- ¿Por qué analizamos los datos?
- ¿Por qué analizamos los datos?
- CRISP-DM2
- El proceso de Análisis de datos - Parte 1
- El proceso de Análisis de datos - Parte 2
- Cuestionario sobre el proceso de Análisis de datos
- Selección del tamaño de la bandeja de un histograma temporal
- El primer paso para conocer sus datos - Parte 1
- El primer paso para conocer sus datos - Parte 2
- El primer paso para conocer sus datos - Parte 3
- El primer paso para conocer sus datos - Parte 4
- Conozca sus datos
- Módulo 1 Evaluación sumativa
- Resumen del módulo 1
UNIDAD 2 - Módulo 2: Medir y visualizar la correlación · 17 leccionesPreparación y análisis de datos - UNIDAD 2 - Módulo 2: Medir y visualizar la correlación
UNIDAD 2 - Módulo 2: Medir y visualizar la correlación · 17 lecciones
Preparación y análisis de datos - UNIDAD 2 - Módulo 2: Medir y visualizar la correlación
- Módulo 2 Introducción
- Módulo 2 Introducción
- Módulo 2 Laboratorio Python - Código VS
- Datos de viajes en taxi en Chicago
- Descubrir y medir asociaciones - Parte 1
- Descubrir y medir asociaciones - Parte 2
- Correlación de rasgos continuos Cuestionario
- Correlación con Python
- Asociaciones de medida - Parte 1
- Asociaciones de medida - Parte 1 (Continuación)
- Correlación de características de tipos mixtos
- Eta-cuadrado
- Medir las asociaciones - Parte 2
- Asociaciones de medida - Parte 2 (Continuación)
- Medio para alcanzar un fin en la prueba de selección de largometrajes
- Módulo 2 Evaluación sumativa
- Resumen del módulo 2
UNIDAD 3 - Módulo 3: Análisis de la cesta de la compra · 16 leccionesPreparación y análisis de datos - UNIDAD 3 - Módulo 3: Análisis de la cesta de la compra
UNIDAD 3 - Módulo 3: Análisis de la cesta de la compra · 16 lecciones
Preparación y análisis de datos - UNIDAD 3 - Módulo 3: Análisis de la cesta de la compra
- Módulo 3 Introducción
- PGML Capítulo 3
- Módulo 3 Laboratorio Python - Código VS
- Venta cruzada
- Qué hay en su cesta - Parte 1
- Qué hay en su cesta - Parte 2
- Cuestionario sobre el análisis de la cesta de la compra
- Algoritmo Apriori y reglas de asociación
- Cómo se descubren las reglas de asociación - Parte 1
- Cómo se descubren las reglas de asociación - Parte 2
- Prueba de descubrimiento de reglas de asociación
- Qué pueden decirme las normas de la Asociación - Parte 1
- Qué pueden decirme las normas de la Asociación - Parte 2
- Módulo 3 Evaluación sumativa
- Resumen del módulo 3
- Ideas de un líder del sector: Más información sobre nuestro programa
UNIDAD 4 - Módulo 4: Partición, segmentación y agrupación de observaciones · 18 leccionesPreparación y análisis de datos - UNIDAD 4 - Módulo 4: Partición, segmentación y agrupación de observaciones
UNIDAD 4 - Módulo 4: Partición, segmentación y agrupación de observaciones · 18 lecciones
Preparación y análisis de datos - UNIDAD 4 - Módulo 4: Partición, segmentación y agrupación de observaciones
- Módulo 4 Introducción
- PGML Capítulo 4
- Módulo 4 Laboratorio Python - Código VS
- Técnicas de muestreo
- Observaciones de partición para modelos de entrenamiento - Parte 1
- Observaciones de partición para modelos de entrenamiento - Parte 2
- Cuestionario de observaciones de partición para modelos de entrenamiento
- RFM
- Crear segmentos de observaciones por motivos empresariales - Parte 1
- Crear segmentos de observaciones por motivos comerciales - Parte 2
- Segmentos de observación Cuestionario
- Agrupamiento
- Agrupación de observaciones con valores similares - Parte 1
- Agrupación de observaciones con valores similares - Parte 2
- Agrupación de observaciones con valores similares - Parte 3
- Cuestionario sobre agrupación
- Módulo 4 Evaluación sumativa
- Resumen del módulo 4
UNIDAD 5 - Módulo 5: Regresión lineal · 18 leccionesPreparación y análisis de datos - UNIDAD 5 - Módulo 5: Regresión lineal
UNIDAD 5 - Módulo 5: Regresión lineal · 18 lecciones
Preparación y análisis de datos - UNIDAD 5 - Módulo 5: Regresión lineal
- Módulo 5 Introducción
- Análisis de regresión lineal
- Módulo 5 Laboratorio Python - Código VS
- Regresión por mínimos cuadrados
- Modelo de Regresión lineal - Parte 1
- Modelo de Regresión lineal - Parte 2
- Modelo de Regresión lineal Quiz
- Regresión por pasos hacia delante y hacia atrás
- Selección hacia delante - Parte 1
- Selección hacia delante - Parte 2
- Test de selección de características
- Valores Shapley
- Importancia de las características - Parte 1
- Importancia de las características - Parte 2
- Importancia de las características - Parte 3
- Cuestionario sobre la importancia de las características
- Módulo 5 Evaluación sumativa
- Resumen del módulo 5
UNIDAD 6 - Módulo 6: Regresión logística binaria · 16 leccionesPreparación y análisis de datos - UNIDAD 6 - Módulo 6: Regresión logística binaria
UNIDAD 6 - Módulo 6: Regresión logística binaria · 16 lecciones
Preparación y análisis de datos - UNIDAD 6 - Módulo 6: Regresión logística binaria
- Módulo 6 Introducción
- PGML Capítulo 6
- Módulo 6 Laboratorio Python - Código VS
- Análisis predictivo
- Regresión logística - Parte 1
- Regresión logística - Parte 2
- Cuestionario sobre regresión logística
- Selección de avance
- Selección de avance
- Test de selección hacia delante
- Mejor R cuadrado para Regresión logística
- Interpretar el modelo y evaluar el rendimiento - Parte 1
- Interpretar el modelo y evaluar el rendimiento - Parte 2
- La bendición y la maldición de demasiados predictores Quiz
- Módulo 6 Evaluación sumativa
- Resumen del módulo 6
UNIDAD 7 - Módulo 7: Árboles de decisiones - El algoritmo CART · 17 leccionesPreparación y análisis de datos - UNIDAD 7 - Módulo 7: Árboles de decisiones - El algoritmo CART
UNIDAD 7 - Módulo 7: Árboles de decisiones - El algoritmo CART · 17 lecciones
Preparación y análisis de datos - UNIDAD 7 - Módulo 7: Árboles de decisiones - El algoritmo CART
- Módulo 7 Introducción
- PGML Capítulo 5
- Módulo 7 Laboratorio Python - Código VS
- CARRO
- Motivación de los Árboles de decisiones - Parte 1
- Motivación de los Árboles de decisiones - Parte 2
- Cuestionario sobre la motivación de los Árboles de decisiones
- CART como ecuación
- El algoritmo CART - Parte 1
- El algoritmo CART - Parte 2
- Cuestionario sobre el algoritmo CART
- Árboles de decisiones para agrupaciones
- Perfiles de clúster - Parte 1
- Perfiles de clúster - Parte 2
- Cuestionario sobre perfiles de conglomerados
- Módulo 7 Evaluación sumativa
- Resumen del módulo 7
UNIDAD 8 - Módulo 8: Evaluación del rendimiento de los modelos · 18 leccionesPreparación y análisis de datos - UNIDAD 8 - Módulo 8: Evaluación del rendimiento de los modelos
UNIDAD 8 - Módulo 8: Evaluación del rendimiento de los modelos · 18 lecciones
Preparación y análisis de datos - UNIDAD 8 - Módulo 8: Evaluación del rendimiento de los modelos
- Módulo 8 Introducción
- PGML Capítulo 7, 8
- Módulo 8 Laboratorio Python - Código VS
- Valores atípicos
- Modelos de predicción
- Cuestionario sobre métricas para modelos de predicción
- Curva ROC
- Modelos de clasificación nominal
- Cuestionario sobre métricas para modelos de clasificación
- Uso del análisis de elevación
- Modelos de Clasificación binaria - Parte 1
- Modelos de Clasificación binaria - Parte 2
- Modelos de Clasificación binaria - Parte 3
- Modelos de Clasificación binaria - Parte 4
- Modelos de Clasificación binaria - Parte 5
- Cuestionario sobre gráficos para modelos de clasificación
- Módulo 8 Evaluación sumativa
- Resumen del módulo 8
UNIDAD 9 - Evaluación sumativa del curso · 1 leccionesPreparación y análisis de datos - UNIDAD 9 - Evaluación sumativa del curso
UNIDAD 9 - Evaluación sumativa del curso · 1 lecciones
Preparación y análisis de datos - UNIDAD 9 - Evaluación sumativa del curso
- Evaluación sumativa del curso
UNIDAD 10 - Módulo 1: Conceptos de Big data · 34 leccionesTecnologías de Big Data - UNIDAD 10 - Módulo 1: Conceptos de Big data
UNIDAD 10 - Módulo 1: Conceptos de Big data · 34 lecciones
Tecnologías de Big Data - UNIDAD 10 - Módulo 1: Conceptos de Big data
- Resumen del curso
- Introducción del instructor
- Plan de estudios
- Módulo 1 Introducción Lectura
- Módulo 1 Introducción
- De los datos al VALUE
- De los datos al VALUE - Parte 1
- De los datos al VALUE - Parte 2
- De los datos al VALUE Quiz
- Visión general de Big Data
- Visión general de Big data - Parte 1
- Visión general de Big data - Parte 2
- Cuestionario general sobre Big data
- Factores de confusión
- Factores de confusión - Parte 1
- Factores de confusión - Parte 2
- Factores de confusión - Parte 3
- Cuestionario sobre factores de confusión
- Los retos de los Macrodatos
- Los retos de los Macrodatos
- Cuestionario sobre los retos de Big data
- Ventajas de Big data
- Ventajas de Big data - Parte 1
- Ventajas de Big data - Parte 2
- Cuestionario sobre las ventajas de Big data
- Tecnología Big data
- Tecnología Big data - Parte 1
- Tecnología Big data - Parte 2
- Cuestionario sobre tecnología Big data
- Sistemas distribuidos genéricos de almacenamiento y motores de ejecución
- Sistemas distribuidos genéricos de almacenamiento y motores de ejecución
- Creación de una imputación AWS
- Módulo 1 Evaluación sumativa
- Resumen del módulo 1
UNIDAD 11 - Módulo 2: Visión general de Apache Hadoop · 26 leccionesTecnologías de Big Data - UNIDAD 11 - Módulo 2: Visión general de Apache Hadoop
UNIDAD 11 - Módulo 2: Visión general de Apache Hadoop · 26 lecciones
Tecnologías de Big Data - UNIDAD 11 - Módulo 2: Visión general de Apache Hadoop
- Módulo 2 Introducción Lectura
- Módulo 2 Introducción
- Hadoop
- Hadoop - Parte 1
- Hadoop - Parte 2
- Hadoop - Parte 3
- Cuestionario sobre Hadoop
- Visión general del sistema de archivos distribuido Hadoop
- Visión general del sistema de archivos distribuido Hadoop - Parte 1
- Visión general del sistema de archivos distribuidos Hadoop - Parte 2
- Visión general del sistema de archivos distribuidos Hadoop - Parte 3
- Cuestionario general sobre el sistema de archivos distribuidos Hadoop (HDFS)
- Uso del sistema de archivos distribuido de Hadoop
- Uso del sistema de archivos distribuidos de Hadoop - Parte 1
- Uso del sistema de archivos distribuidos de Hadoop - Parte 2
- Uso de HDFS Quiz
- Almacenamiento de objetos en la nube para Big data
- Almacenamiento de objetos en la nube para Big data - Parte 1
- Almacenamiento de objetos en la nube para Big data - Parte 2
- Cuestionario sobre almacenamiento de objetos en la nube
- Otro negociador de recursos
- Otro negociador de recursos - Parte 1
- Otro negociador de recursos - Parte 2
- Quiz sobre otro negociador de recursos (YARN)
- Módulo 2 Evaluación sumativa
- Resumen del módulo 2
UNIDAD 12 - Módulo 3: Apache Hadoop MapReduce · 33 leccionesTecnologías de Big Data - UNIDAD 12 - Módulo 3: Apache Hadoop MapReduce
UNIDAD 12 - Módulo 3: Apache Hadoop MapReduce · 33 lecciones
Tecnologías de Big Data - UNIDAD 12 - Módulo 3: Apache Hadoop MapReduce
- Módulo 3 Introducción Lectura
- Módulo 3 Introducción
- El camino hacia MapReduce
- El camino hacia MapReduce - Parte 1
- El camino hacia MapReduce - Parte 2
- El camino hacia MapReduce Quiz
- Visión general de MapReduce
- Visión general de MapReduce - Parte 1
- Visión general de MapReduce - Parte 2
- Visión general de MapReduce - Parte 3
- Cuestionario sobre MapReduce
- Conceptos de MapReduce
- Conceptos de MapReduce - Parte 1
- Conceptos de MapReduce - Parte 2
- Conceptos de MapReduce - Parte 3
- Conceptos de MapReduce - Parte 4
- Cuestionario sobre conceptos de MapReduce
- Ejemplos de MapReduce
- Ejemplos de MapReduce - Parte 1
- Ejemplos de MapReduce - Parte 2
- Cuestionario de ejemplos de MapReduce
- Programación MapReduce
- Programación MapReduce - Parte 1
- Programación MapReduce - Parte 2
- Programación MapReduce - Parte 3
- Programación MapReduce
- Optimización MapReduce
- Optimización de MapReduce - Parte 1
- Optimización de MapReduce - Parte 2
- Optimización de MapReduce - Parte 3
- Optimización MapReduce
- Módulo 3 Evaluación sumativa
- Resumen del módulo 3
UNIDAD 13 - Módulo 4: Apache Spark (Parte 1) · 38 leccionesTecnologías de Big Data - UNIDAD 13 - Módulo 4: Apache Spark (Parte 1)
UNIDAD 13 - Módulo 4: Apache Spark (Parte 1) · 38 lecciones
Tecnologías de Big Data - UNIDAD 13 - Módulo 4: Apache Spark (Parte 1)
- Módulo 4 Introducción Lectura
- Módulo 4 Introducción
- Visión general de Spark
- Visión general de Spark - Parte 1
- Visión general de Spark - Parte 2
- Cuestionario sobre Spark
- Componentes Spark
- Componentes Spark - Parte 1
- Componentes Spark - Parte 2
- Componentes Spark - Parte 3
- Componentes Spark - Parte 4
- Componentes Spark - Parte 5
- Cuestionario sobre los componentes de Spark
- Conceptos Spark
- Conceptos de Spark - Parte 1
- Conceptos de Spark - Parte 2
- Conceptos de Spark - Parte 3
- Conceptos de Spark - Parte 4
- Conceptos de Spark - Parte 5
- Conceptos de Spark - Parte 6
- Conceptos de Spark - Parte 7
- Conceptos de Spark - Parte 8
- Conceptos de Spark - Parte 9
- Conceptos de Spark - Parte 10
- Cuestionario de conceptos
- Creación de Spark DataFrames
- Creación de Spark DataFrames - Parte 1
- Creación de Spark DataFrames - Parte 2
- Creación de Spark DataFrames - Parte 3
- Creación de Spark DataFrames - Parte 4
- Creación de DataFrames de Spark Cuestionario
- Definición de esquemas Spark
- Definición de esquemas Spark - Parte 1
- Definición de esquemas Spark - Parte 2
- Definición de esquemas Spark - Parte 3
- Cuestionario sobre la definición de esquemas Spark
- Módulo 4 Evaluación sumativa
- Resumen del módulo 4
UNIDAD 14 - Módulo 5: Apache Spark (Parte 2) · 40 leccionesTecnologías de Big Data - UNIDAD 14 - Módulo 5: Apache Spark (Parte 2)
UNIDAD 14 - Módulo 5: Apache Spark (Parte 2) · 40 lecciones
Tecnologías de Big Data - UNIDAD 14 - Módulo 5: Apache Spark (Parte 2)
- Módulo 5 Introducción Lectura
- Módulo 5 Introducción
- Transformación - Filas
- Transformación - Filas - Parte 1
- Transformación - Filas - Parte 2
- Transformación - Filas - Parte 3
- Transformaciones - Cuestionario de filas
- Transformaciones - Columnas
- Columnas de transformación - Parte 1
- Columnas de transformación - Parte 2
- Transformaciones - Columnas
- Transformaciones - Join
- Transformaciones JOIN - Parte 1
- Transformaciones JOIN - Parte 2
- Transformaciones - Join Quiz
- Transformaciones - Agregaciones
- Transformaciones - Agregaciones - Parte 1
- Transformaciones - Agregaciones - Parte 2
- Transformaciones/Acciones - Agregaciones Cuestionario
- Transformaciones - Trabajar con valores Nulos
- Transformaciones - Trabajar con valores Nulos - Parte 1
- Transformaciones - Trabajar con valores Nulos - Parte 2
- Transformaciones - Trabajar con valores Nulos Cuestionario
- Transformaciones - Spark SQL
- Transformaciones - Spark SQL - Parte 1
- Transformaciones - Spark SQL - Parte 2
- Transformaciones - Spark SQL Quiz
- Transformaciones - Caché
- Transformaciones - Almacenamiento en caché - Parte 1
- Transformaciones - Almacenamiento en caché - Parte 2
- Transformaciones - Cuestionario Caching
- Acciones
- Acciones
- Transformaciones - Acciones Quiz
- Acciones - Escritura de datos
- Acciones - Escribir datos - Parte 1
- Acciones - Escribir datos - Parte 2
- Acciones - Escribir datos Quiz
- Módulo 5 Evaluación sumativa
- Resumen del módulo 5
UNIDAD 15 - Módulo 6: Streaming de Big data y patrones de diseño · 28 leccionesTecnologías de Big Data - UNIDAD 15 - Módulo 6: Streaming de Big data y patrones de diseño
UNIDAD 15 - Módulo 6: Streaming de Big data y patrones de diseño · 28 lecciones
Tecnologías de Big Data - UNIDAD 15 - Módulo 6: Streaming de Big data y patrones de diseño
- Módulo 6 Introducción
- Ingestión y procesamiento de flujos (Parte 1)
- Ingestión y procesamiento de flujos I - Parte 1
- Ingestión y procesamiento de flujos I - Parte 2
- Ingestión y procesamiento de flujos I - Parte 3
- Cuestionario sobre ingestión y procesamiento de flujos (Parte 1)
- Ingestión y procesamiento de flujos (2ª parte)
- Ingestión y procesamiento de flujos II - Parte 1
- Ingestión y procesamiento de flujos II - Parte 2
- Ingestión y procesamiento de flujos II - Parte 3
- Ingestión y procesamiento de flujos II - Parte 4
- Cuestionario sobre ingestión y procesamiento de flujos (Parte 2)
- Patrón analítico de conglomerados
- Patrón analítico de conglomerados - Parte 1
- Patrón analítico de conglomerados - Parte 2
- ¿Cuál es la característica de un clúster Hadoop transitorio? Cuestionario
- Patrón de Lago de datos
- Patrón de Lago de datos - Parte 1
- Patrón de Lago de datos - Parte 2
- Patrón de Lago de datos - Parte 3
- Test de patrones de Lago de datos
- Arquitectura Lambda
- Arquitectura Lambda - Parte 1
- Arquitectura Lambda - Parte 2
- Arquitectura Lambda - Parte 3
- Cuestionario sobre la arquitectura Lambda
- Módulo 6 Evaluación sumativa
- Resumen del módulo 6
UNIDAD 16 - Módulo 7: Base de datos NoSQL · 30 leccionesTecnologías de Big Data - UNIDAD 16 - Módulo 7: Base de datos NoSQL
UNIDAD 16 - Módulo 7: Base de datos NoSQL · 30 lecciones
Tecnologías de Big Data - UNIDAD 16 - Módulo 7: Base de datos NoSQL
- Módulo 7 Introducción
- Uso de bases de datos para el almacenamiento de Big data
- Uso de bases de datos para el almacenamiento de Big data - Parte 1
- Uso de bases de datos para el almacenamiento de Big data - Parte 2
- Uso de bases de datos para el almacenamiento de Big data - Parte 3
- Uso de bases de datos para el almacenamiento de Big data - Parte 4
- Uso de bases de datos para el almacenamiento de Big data - Parte 5
- Uso de bases de datos para el almacenamiento de Big data Quiz
- Conceptos de bases de datos NoSQL (Parte 1)
- Conceptos de bases de datos NoSQL I - Parte 1
- Conceptos de bases de datos NoSQL I - Parte 2
- Conceptos de bases de datos NoSQL I - Parte 3
- Conceptos de bases de datos NoSQL (Parte 1) Cuestionario
- Conceptos de bases de datos NoSQL (Parte 2)
- Conceptos de bases de datos NoSQL II - Parte 1
- Conceptos de bases de datos NoSQL II - Parte 2
- Conceptos de bases de datos NoSQL II - Parte 3
- Conceptos de bases de datos NoSQL (Parte 2) Cuestionario
- Clasificaciones de las bases de datos NoSQL (Parte 1)
- Clasificaciones de las bases de datos NoSQL I - Parte 1
- Clasificaciones de las bases de datos NoSQL I - Parte 2
- Clasificaciones de las bases de datos NoSQL I - Parte 3
- Clasificaciones de las bases de datos NoSQL (Parte 1) Cuestionario
- Clasificaciones de las bases de datos NoSQL (Parte 2)
- Clasificaciones de las bases de datos NoSQL II - Parte 1
- Clasificaciones de las bases de datos NoSQL II - Parte 2
- Clasificaciones de las bases de datos NoSQL II - Parte 3
- Clasificaciones de las bases de datos NoSQL (Parte 2) Cuestionario
- Módulo 7 Evaluación sumativa
- Resumen del módulo 7
UNIDAD 17 - Módulo 8: Almacenes clave-valor, de columnas anchas y de documentos · 17 leccionesTecnologías de Big Data - UNIDAD 17 - Módulo 8: Almacenes clave-valor, de columnas anchas y de documentos
UNIDAD 17 - Módulo 8: Almacenes clave-valor, de columnas anchas y de documentos · 17 lecciones
Tecnologías de Big Data - UNIDAD 17 - Módulo 8: Almacenes clave-valor, de columnas anchas y de documentos
- Módulo 8 Introducción
- HR Base
- HRBase Pt. 1
- HRBase Pt. 2
- HRBase Pt. 3
- HR Base Quiz
- Dynamo y Cassandra
- Cassandra Pt. 1
- Cassandra Pt. 2
- Cuestionario Cassandra
- Mongo DB
- MongoDB Pt. 1
- MongoDB Pt. 2
- MongoDB Pt. 3
- Mongo DB Quiz
- Módulo 8 Evaluación sumativa
- Resumen del módulo 8
UNIDAD 18 - Evaluación sumativa del curso · 1 leccionesTecnologías de Big Data - UNIDAD 18 - Evaluación sumativa del curso
UNIDAD 18 - Evaluación sumativa del curso · 1 lecciones
Tecnologías de Big Data - UNIDAD 18 - Evaluación sumativa del curso
- Evaluación sumativa del curso
UNIDAD 19 - Módulo 1: Redes neuronales · 20 leccionesAprendizaje profundo - UNIDAD 19 - Módulo 1: Redes neuronales
UNIDAD 19 - Módulo 1: Redes neuronales · 20 lecciones
Aprendizaje profundo - UNIDAD 19 - Módulo 1: Redes neuronales
- Resumen del curso
- Resumen del curso
- Introducción del instructor
- Plan de estudios
- Módulo 1 Introducción
- Módulo 1 Introducción
- Aprendizaje profundo - Capítulo 6.2, 6.4, 6.5
- Aplicaciones de Aprendizaje profundo - Parte 1
- Aplicaciones de Aprendizaje profundo - Parte 2
- Cuestionario de Introducción al Aprendizaje profundo
- Aprendizaje profundo - Capítulo 6.2, 6.4, 6.5
- Red neuronal
- Red neuronal Continuación
- Cuestionario sobre redes neuronales
- Aprendizaje profundo - Capítulo 6.2, 6.4, 6.5
- Retropropagación
- Retropropagación Continuación
- Cuestionario sobre retropropagación
- Módulo 1 Evaluación sumativa
- Resumen del módulo 1
UNIDAD 20 - Módulo 2: Redes neuronales convolucionales (CNN) · 15 leccionesAprendizaje profundo - UNIDAD 20 - Módulo 2: Redes neuronales convolucionales (CNN)
UNIDAD 20 - Módulo 2: Redes neuronales convolucionales (CNN) · 15 lecciones
Aprendizaje profundo - UNIDAD 20 - Módulo 2: Redes neuronales convolucionales (CNN)
- Módulo 2 Introducción
- Módulo 2 Introducción
- Clasificación de ImageNet con redes neuronales convolucionales profundas
- Red neuronal convolucional
- CNN por imágenes Quiz
- Clasificación de ImageNet con redes neuronales convolucionales profundas
- Convolución CNN
- CNN - Agrupación MAX
- Cuestionario sobre convolución, agrupación y otras capas
- Clasificación de ImageNet con redes neuronales convolucionales profundas
- ¿Qué aprende la CNN?
- Aplicaciones de la CNN
- Cuestionario sobre las aplicaciones de la CNN
- Módulo 2 Evaluación sumativa
- Resumen del módulo 2
UNIDAD 21 - Módulo 3: Consejos para el Aprendizaje profundo · 19 leccionesAprendizaje profundo - UNIDAD 21 - Módulo 3: Consejos para el Aprendizaje profundo
UNIDAD 21 - Módulo 3: Consejos para el Aprendizaje profundo · 19 lecciones
Aprendizaje profundo - UNIDAD 21 - Módulo 3: Consejos para el Aprendizaje profundo
- Módulo 3 Introducción
- Módulo 3 Introducción
- Redes Maxout
- Consejos para el Aprendizaje profundo
- ReLU
- Cuestionario ReLU y Maxout
- Visión general de los algoritmos de optimización por descenso de gradiente
- Tasa de aprendizaje adaptativa
- Tasa de aprendizaje adaptativa Continuación
- Cuestionario RMSProp
- Aprendizaje profundo
- Interrupción anticipada y regularización
- Cuestionario sobre interrupción anticipada y regularización
- Abandono: Una forma sencilla de evitar el sobreajuste de las redes neuronales
- Abandono
- Cuestionario sobre el abandono escolar
- Módulo 3 Evaluación sumativa
- Resumen del módulo 3
- Ideas de un líder del sector: Más información sobre nuestro programa
UNIDAD 22 - Módulo 4: Redes Neuronales Recurrentes (RNNs) · 17 leccionesAprendizaje profundo - UNIDAD 22 - Módulo 4: Redes Neuronales Recurrentes (RNNs)
UNIDAD 22 - Módulo 4: Redes Neuronales Recurrentes (RNNs) · 17 lecciones
Aprendizaje profundo - UNIDAD 22 - Módulo 4: Redes Neuronales Recurrentes (RNNs)
- Módulo 4 Introducción
- Módulo 4 Introducción
- Fundamentos de las Redes Neuronales Recurrentes (RNN) y las Redes de Memoria a corto largo plazo (LSTM)
- Red Neuronal Recurrente
- Arquitectura RNN
- Introducción a RNN Quiz
- Fundamentos de las Redes Neuronales Recurrentes (RNN) y las Redes de Memoria a corto largo plazo (LSTM)
- LSTM - Parte 1
- LSTM - Parte 2
- LSTM Continuación
- Test de Memoria a corto largo plazo (LSTM)
- Fundamentos de las Redes Neuronales Recurrentes (RNN) y las Redes de Memoria a corto largo plazo (LSTM)
- Aprendizaje en RNN
- Técnicas útiles
- Cuestionario sobre RNN
- Módulo 4 Evaluación sumativa
- Resumen del módulo 4
UNIDAD 23 - Módulo 5: Modelos generativos (GAN) y modelos de difusión (DM) · 14 leccionesAprendizaje profundo - UNIDAD 23 - Módulo 5: Modelos generativos (GAN) y modelos de difusión (DM)
UNIDAD 23 - Módulo 5: Modelos generativos (GAN) y modelos de difusión (DM) · 14 lecciones
Aprendizaje profundo - UNIDAD 23 - Módulo 5: Modelos generativos (GAN) y modelos de difusión (DM)
- Módulo 5 Introducción
- Módulo 5 Introducción
- Redes generativas adversariales
- Red generativa adversaria - Parte 1
- Red generativa adversaria - Parte 2
- Cuestionario GAN
- Modelos probabilísticos de difusión para la eliminación de ruido
- Modelo de difusión - Parte 1
- Modelo de difusión - Parte 2
- Continuación del modelo de difusión - Parte 1
- Continuación del modelo de difusión - Parte 2
- Cuestionario DMs
- Módulo 5 Evaluación sumativa
- Resumen del módulo 5
UNIDAD 24 - Módulo 6: Autoatención y transformadores · 15 leccionesAprendizaje profundo - UNIDAD 24 - Módulo 6: Autoatención y transformadores
UNIDAD 24 - Módulo 6: Autoatención y transformadores · 15 lecciones
Aprendizaje profundo - UNIDAD 24 - Módulo 6: Autoatención y transformadores
- Módulo 6 Introducción
- Módulo 6 Introducción
- Atención es todo lo que necesitas
- Autoatención
- Autoatención Continuación
- Autoatención Continuación
- Cuestionario de autoatención
- Atención es todo lo que necesitas
- Transformador - Parte 1
- Transformador - Parte 2
- Transformador Continuación - Parte 1
- Transformador Continuación - Parte 2
- Transformers Quiz
- Módulo 6 Evaluación sumativa
- Resumen del módulo 6
UNIDAD 25 - Módulo 7: Compresión de redes neuronales · 16 leccionesAprendizaje profundo - UNIDAD 25 - Módulo 7: Compresión de redes neuronales
UNIDAD 25 - Módulo 7: Compresión de redes neuronales · 16 lecciones
Aprendizaje profundo - UNIDAD 25 - Módulo 7: Compresión de redes neuronales
- Módulo 7 Introducción
- Módulo 7 Introducción
- Visión general de la compresión de redes neuronales
- Poda de redes - Parte 1
- Poda de redes - Parte 2
- Prueba de poda de red
- Visión general de la compresión de redes neuronales
- Destilación de conocimientos
- Cuestionario sobre la destilación de conocimientos
- Visión general de la compresión de redes neuronales
- Cuantificación de parámetros
- Diseño arquitectónico
- Cálculo dinámico
- Cuestionario sobre cuantización de red
- Módulo 7 Evaluación sumativa
- Resumen del módulo 7
UNIDAD 26 - Módulo 8: Aprendizaje por transferencia · 15 leccionesAprendizaje profundo - UNIDAD 26 - Módulo 8: Aprendizaje por transferencia
UNIDAD 26 - Módulo 8: Aprendizaje por transferencia · 15 lecciones
Aprendizaje profundo - UNIDAD 26 - Módulo 8: Aprendizaje por transferencia
- Módulo 8 Introducción
- Módulo 8 Introducción
- Guía de Aprendizaje por transferencia
- Aprendizaje por transferencia Introducción y Find-tuning
- Aprendizaje multitarea
- Cuestionario de ajuste / aprendizaje multitarea
- Entrenamiento avanzado de redes neuronales
- Formación en dominio adversario
- Cuestionario de formación sobre dominios adversos
- Aprendizaje de cero intentos
- Aprendizaje de cero intentos - Parte 1
- Aprendizaje de cero intentos - Parte 2
- Cuestionario de Aprendizaje de cero intentos
- Módulo 8 Evaluación sumativa
- Resumen del módulo 8
UNIDAD 27 - Evaluación sumativa del curso · 1 leccionesAprendizaje profundo - UNIDAD 27 - Evaluación sumativa del curso
UNIDAD 27 - Evaluación sumativa del curso · 1 lecciones
Aprendizaje profundo - UNIDAD 27 - Evaluación sumativa del curso
- Evaluación sumativa del curso
Certificado oficial
Certificado con validez SEP: lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
27 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
118 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Illinois Tech.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 27 unidades · 522 lecciones · 144 h
- 12 meses de acceso
- 118 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Illinois Tech; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
¿El curso tiene validez SEP?
Sí. Al completar el curso recibes un certificado emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
¿El curso tiene tutor o clases en vivo?
No. Es un curso autodidacta: estudias por tu cuenta, a tu ritmo, sin tutor ni sesiones en vivo.
¿Cómo se evalúa?
Te evalúas con actividades automáticas, sin entregas a un tutor.
Cursos relacionados
Incluido en la Membresía Educativa
Este curso forma parte de los 647 cursos autodidactas con certificado que incluye la membresía, por un solo pago anual.
Membresía Educativa: cursos en línea con validez SEP
