Machine learning en R y principios de inteligencia artificial

Enseñar los conceptos básicos de Machine Learning.
Exponer a los estudiantes a los paquetes más famosos para la analítica en R.
Repasar los tipos de problemas y sus soluciones a partir de Machine Learning
Familiarizar a los estudiantes con la interpretación de resultados y los supuestos de cada modelo.
Enseñar la aplicación de los modelos más famosos de Machine Learning en R.
Orientar los temas comprendidos en el curso a aplicaciones de BI.
Reconocer las diferencias entre las ramas de la inteligencia artificial contemporánea.
Entrenar para identificar situaciones en las organizaciones para las cuales la inteligencia artificial puede resolver o mejorar el desempeño relacionado a algún reto o problema.
Proponer técnicas o aproximaciones a retos concretos con una comprensión general de referentes y casos de estudio pertinentes.

El curso está dirigido a personas que deseen desarrollar y aprender habilidades analíticas a partir de modelos de aprendizaje estadístico. En particular los analistas que estén en contacto con los datos de sus organizaciones. Se busca que los estudiantes mejoren sus habilidades en R. Se espera que el curso sea tomado por personas en el entorno laboral que deseen generar un impacto positivo en sus organizaciones por medio de generación de valor agregado a partir de técnicas de Machine Learning. Por último, el curso les dará las herramientas necesarias para desarrollar proyectos de ciencias de datos dentro de sus respectivas organizaciones para crear y responder preguntas que aporten a futuras acciones y decisiones en sus empresas. Los temas del curso cubren desde el planteamiento de las preguntas interesantes de analítica hasta su desarrollo.

Importante: Se espera que los estudiantes tengan conocimientos de programación en R tales como la definición de variables, manejo de condicionales (if, else), ciclos de código iterado (for loop), carga de bases de datos en DataFrames, exploración básica de los datos mediante estadísticas descriptivas (media, varianza, etc.) y selección de columnas o filas. Además, que tengan familiaridad con el entorno de programación RStudio, sus componentes y la instalación de librerías o paquetes adicionales.