Formación en MATLAB y Simulink

Machine Learning con MATLAB

Vea los horarios e inscríbase

Detalles del curso

Este curso de dos días se centra en data analytics y técnicas de machine learning de MATLAB® usando las funcionalidades de Statistics and Machine Learning Toolbox™ y Deep Learning Toolbox™. Este curso muestra cómo usar el aprendizaje no supervisado para descubrir características en grandes conjuntos de datos y el aprendizaje supervisado para crear modelos predictivos. Los ejemplos y ejercicios destacan las técnicas para la visualización y la evaluación de los resultados.

Temas incluidos:

  • Organizar y preprocesar datos
  • Agrupar datos
  • Crear modelos de clasificación y regresión
  • Interpretar y evaluar modelos
  • Simplificar conjuntos de datos
  • Utilizar ensembles para mejorar el rendimiento de los modelos

Día 1 de 2


Importación y organización de datos

Objetivo: Importe datos a MATLAB y organícelos para su análisis, incluida la normalización de los datos y la eliminación de observaciones con valores ausentes.

  • Tipos de datos
  • Tablas
  • Preparación de datos

Detectar patrones naturales en los datos

Objetivo: Utilice técnicas de aprendizaje no supervisado para agrupar observaciones basadas en un conjunto de variables explicativas y detectar patrones naturales en un conjunto de datos.

  • Aprendizaje no supervisado
  • Métodos de agrupación
  • Evaluación e interpretación de agrupaciones

Creación de modelos de clasificación

Objetivo: Utilice técnicas de aprendizaje supervisado para crear modelos predictivos para problemas de clasificación. Evalúe la precisión de un modelo predictivo.

  • Aprendizaje supervisado
  • Entrenamiento y validación
  • Métodos de clasificación

Día 2 de 2


Mejora de modelos predictivos

Objetivo: Reduzca la dimensionalidad de un conjunto de datos. Mejore y simplifique modelos de machine learning.

  • Validación cruzada
  • Optimización de hiperparámetros
  • Transformación de características
  • Selección de características
  • Aprendizaje de ensembles

Creación de modelos de regresión

Objetivo: Utilice técnicas de aprendizaje supervisado para crear modelos predictivos de variables de respuesta continuas.

  • Métodos de regresión paramétrica
  • Métodos de regresión no paramétrica
  • Evaluación de modelos de regresión

Creación de redes neuronales

Objetivo: Cree y entrene redes neuronales para la agrupación y la modelización predictiva. Ajuste la arquitectura de la red para mejorar el rendimiento.

  • Agrupación con mapas autoorganizados
  • Clasificación con redes de tipo feed-forward
  • Regresión con redes de tipo feed-forward

Nivel: Intermedio

Prerrequisitos:

Duración: 2 días

Idiomas: Deutsch, English, Français, 日本語, 한국어, 中文

Vea los horarios e inscríbase