Itinerario DataCraft: Domina la Inteligencia Artificial y el Big Data.
Curso gratuito online a nivel nacional.
Toda la información en este enlace: aquí.
Para reservar plaza, haz click aquí.
MF0219_2: Instalación y configuración de sistemas operativos
1 Modelos de datos (20h.)
- Descripción. Características generales. Tipos de modelos de datos. Compatibilidades entre modelo de datos.
2 Sistemas gestores de datos (20h.)
- Características.
- Componentes de un sistema gestor de datos.
- Funcionamiento de un sistema gestor de datos.
- Relación entre los sistemas gestores de datos y los modelos de datos.
- Características de los sistemas gestores de datos operacionales (OLAT).
- Características de los sistemas gestores de datos orientados a las tomas de decisiones o análisis de datos (OLAP).
- Sistemas gestores de datos avanzados.
3 Procedimientos de extracción y consulta de información en los sistemas gestores de datos (20h.)
- Búsquedas en sistemas gestores.
- Optimización de la recuperación.
- Utilización de lenguajes de consultas.
- Ventajas e inconvenientes. Entornos de trabajo.
- Utilización de herramientas.
- Ventajas e inconvenientes.
- Funcionalidades.
- Presentación de la información.
- Normativa aplicable en materia de protección de datos.
MF2493_3 Entrenamiento de modelos en sistemas de Inteligencia Artificial basados en aprendizaje automático
- Técnicas de entrenamiento en el aprendizaje automático.
- Tipos de aprendizaje automático: supervisado, no supervisado, semi‐supervisado, por refuerzo.
- Tipos de problemas: clasificación, regresión, segmentación, detección de objetos.
- Técnicas paramétricas: Basadas en distribuciones de probabilidad conocidas: ‘Gaussian Mixture Models’ u otras.
- Técnicas no paramétricas: (árboles de decisión: clásicos, ‘random forest’, ‘gradient boosting’, ‘extremely randomized trees’; Vecinos más próximos (k‐NN); ‘Kernel density estimation’; ‘Support Vector Machines’ (SVM); K‐Means.
- Técnicas Holísticas: redes neuronales: ‘fully connected’, ‘convolutional’, ‘recurrent’, ‘transformers’, ‘autoencoders’, ‘encoder‐decoder’, seq2seq u otras.
- Técnicas de regularización para evitar el sobreaprendizaje.
- Métricas para evaluar la calidad de los modelos diseñados y entrenados: MSE, MAE, ‘accuracy’, precisión, ‘recall’ o ‘sensitivity’, ‘specificity’, ‘F1 score’, ratio de falsos positivos y de falsos negativos, área bajo la curva ROC, ‘DICE coeffient’, ‘Intersection over Union’ (IoU), y otros específicos del problema a abordar. Herramientas software con la implementación de las técnicas de aprendizaje automático.
----------------
Pincha aquí para ver todas las publicaciones de Empleo de Junio 2024.
Pincha aquí para ver todas las publicaciones de Empleo de Mayo 2024.
------------
Consejos publicitarios de la provincia de Almería👇🏻
------------
No hay comentarios:
Publicar un comentario