Cursos de Inteligencia Artificial, Machine Learning y Data Science

Aprende online y a tu propio ritmo los fundamentos, habilidades y herramientas para construir tu carrera en Inteligencia Artificial, Machine Learning y Ciencia de Datos.

Suscribirse (10 dólares/mes)

Los cursos de la Academia

Series de Tiempo: Análisis Exploratorio
Series de Tiempo: Análisis Exploratorio

Curso práctico donde aprenderás a realizar el Análisis Exploratorio de Series de Tiempo que permite comprender las características y detectar patrones en datos temporales con el fin apoyar la toma de decisiones y la realización de pronósticos. Inicia el 12 de junio de 2024. 8 lecciones.

Series de Tiempo: pre-procesamiento
Series de Tiempo: pre-procesamiento

Curso práctico donde veremos las principales técnicas que nos permitirán leer, visualizar y realizar la limpieza de una Serie de Tiempo, pasos esenciales antes de realizar análisis o pronósticos con estas series. 12 lecciones.

Estadística Inferencial: fundamentos
Estadística Inferencial: fundamentos

Curso teórico-práctico donde veremos los Fundamentos de la Estadística Inferencial necesarios para posteriormente aplicar diferentes pruebas estadísticas para interpretar los datos en nuestros proyectos de Ciencia de Datos y Machine Learning. 13 lecciones.

Estadística Descriptiva
Estadística Descriptiva

Curso práctico donde veremos una introducción general a la Estadística para la Ciencia de Datos y el Machine Learning y veremos en detalle todas las técnicas de Estadística Descriptiva que nos permitirán entender y explorar un set de datos. 14 lecciones.

Docker
Docker

Curso práctico donde aprenderás a usar Docker, la herramienta de creación de contenedores más usada al momento de llevar un Modelo de Machine Learning a producción. 10 lecciones.

Git y GitHub
Git y GitHub

Curso práctico en donde aprenderás a usar Git y GitHub, las dos herramientas de control de versiones más usadas en Ciencia de Datos y Machine Learning. 10 lecciones.

Probabilidad Nivel Avanzado
Probabilidad Nivel Avanzado

Curso teórico-práctico donde aprenderás sobre el funcionamiento y la aplicación práctica de algoritmos y modelos probabilísticos fundamentales en el Machine Learning. 12 lecciones.

Probabilidad Nivel Intermedio
Probabilidad Nivel Intermedio

Curso teórico-práctico en donde aprenderás conceptos y aplicaciones prácticas de las distribuciones de probabilidad más usadas en Ciencia de Datos y Machine Learning. 11 lecciones.

Probabilidad Nivel Básico
Probabilidad Nivel Básico

Curso teórico donde aprenderás los fundamentos de la Probabilidad, una área de las matemáticas esencial en la Ciencia de Datos, la Inteligencia Artificial y el Machine Learning. 13 lecciones.

Pandas Nivel Avanzado
Pandas Nivel Avanzado

Curso práctico en donde aprenderás a usar herramientas para la re-estructuración de tablas de datos y para el procesamiento de series de tiempo usando la librería Pandas. 20 lecciones.

Pandas Nivel Intermedio
Pandas Nivel Intermedio

Curso práctico en donde aprenderás a combinar, agrupar y visualizar datos estructurados usando la librería Pandas, así como a realizar el Análisis Exploratorio de Datos. 17 lecciones.

Pandas Nivel Básico
Pandas Nivel Básico

Curso práctico en donde aprenderás los elementos básicos para la manipulación de datos estructurados usando la librería Pandas enfocado a su uso en proyectos de Ciencia de Datos y Machine Learning. 18 lecciones.

Matplotlib para Ciencia de Datos y Machine Learning
Matplotlib para Ciencia de Datos y Machine Learning

Curso práctico en donde aprenderás a usar Matplotlib, la librería de visualización de Python, fundamental en cualquier proyecto de Ciencia de Datos y Machine Learning. 17 lecciones.

Cálculo para Ciencia de Datos y Machine Learning
Cálculo para Ciencia de Datos y Machine Learning

Curso teórico en donde aprenderás los conceptos y herramientas esenciales del Cálculo, un campo de las matemáticas fundamental para entender las diferentes técnicas y herramientas usadas en Ciencia de Datos y Machine Learning. 21 lecciones.

Álgebra Lineal para Ciencia de Datos y Machine Learning
Álgebra Lineal para Ciencia de Datos y Machine Learning

Curso teórico-práctico en donde aprenderás los conceptos esenciales del Álgebra Lineal, un campo de las matemáticas fundamental para entender el funcionamiento de los diferentes algoritmos usados en Ciencia de Datos y Machine Learning. 28 lecciones.

NumPy para Ciencia de Datos y Machine Learning
NumPy para Ciencia de Datos y Machine Learning

Curso práctico en donde aprenderás a usar la librería Numpy, que permite realizar el procesamiento avanzado de arreglos numéricos en Python, una fase esencial en cualquier proyecto de Ciencia de Datos y Machine Learning. 16 lecciones.

Introducción al Machine Learning
Introducción al Machine Learning

Curso diseñado para todos aquellos que son totalmente nuevos en el campo del Aprendizaje de Máquina (o Machine Learning) y que quieren entender qué es, sus campos de aplicación y los conceptos básicos así como la ruta de aprendizaje y estrategias requeridas para incursionar en esta área. 10 lecciones.

Introducción a la Ciencia de Datos
Introducción a la Ciencia de Datos

Curso diseñado para todos aquellos que son totalmente nuevos en el campo de la Ciencia de Datos y que quieren entender qué es, sus campos de aplicación, qué son los datos y algunas de las principales técnicas para su procesamiento así como lo que se requiere para ser un Científico de Datos. 17 lecciones.

Python Nivel Avanzado
Python Nivel Avanzado

Curso práctico en donde aprenderás la manipulación avanzada (lectura, escritura, modificación) de diferentes tipos de archivos, el manejo de excepciones y cómo realizar Programación Orientada a Objetos en Python. 17 lecciones.

Aprendizaje por Refuerzo Nivel Intermedio
Aprendizaje por Refuerzo Nivel Intermedio

Curso teórico-práctico en donde aprenderás e implementarás en Python los principales algoritmos clásicos para la solución de problemas de Aprendizaje por Refuerzo. 16 lecciones.

Python Nivel Intermedio
Python Nivel Intermedio

Curso práctico donde aprenderás a usar la librería estándar de Python, las listas, tuplas, sets y diccionarios y funciones avanzadas para el procesamiento de strings. 24 lecciones.

Aprendizaje por Refuerzo nivel Básico
Aprendizaje por Refuerzo nivel Básico

Curso teórico donde aprenderás los conceptos básicos del Aprendizaje Reforzado, así como los elementos matemáticos fundamentales de los Procesos de Decisión de Markov. 18 lecciones

Curso Python nivel Básico
Python Nivel Básico

Curso práctico en donde aprenderás desde cero los conceptos básicos de programación de computadores usando Python. 25 lecciones.

Fundamentos Deep Learning con Python
Fundamentos de Deep Learning con Python

Curso teórico-práctico en donde aprenderás todo acerca de las Redes Neuronales, Convolucionales, Recurrentes, LSTM y Transformer. 111 lecciones.

Últimas lecciones

1 - Componentes de una Serie de Tiempo

(Junio 12, 2024 - Series de Tiempo - Análisis Exploratorio)

En esta primera lección del curso vamos a ver cuáles son los principales componentes de una Serie de Tiempo (tendencia y estacionalidad) y cómo extraerlos usando la librería 'statsmodels' de Python.

12 - Detección de 'outliers' usando 'Isolation forests'

(Mayo 29, 2024 - Series de Tiempo - Pre-procesamiento)

En esta última lección veremos cómo detectar valores extremos en Series de Tiempo usando la técnica de bosques de aislamiento (isolation forests).

11 - Detección de 'outliers' usando el método z-score

(Mayo 28, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos el método z-score que permite detectar 'outliers' cuando tenemos certeza de que la distribución de las observaciones en la Serie de Tiempo es Normal o Gaussiana.

10 - Detección de 'outliers' usando el método de Tukey

(Mayo 24, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos el método de Tukey para la detección de valores extremos en Series de Tiempo, un método estadístico que permite realizar una detección más rigurosa en comparación con los métodos de inspección visual.

9 - Detección de 'outliers' usando inspección visual

(Mayo 23, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos la técnica más sencilla para la detección de valores extremos en una Serie de Tiempo: la inspección visual.

8 - Imputación con interpolación

(Mayo 22, 2024 - Series de Tiempo - Pre-procesamiento)

En esta lección veremos qué es la interpolación y cómo usar este método para realizar el manejo de datos faltantes en una Serie de Tiempo.

Todas las lecciones...