Curso GRATUITO en ESPAÑOL sobre la introducción al aprendizaje automático en la analítica deportiva

El aprendizaje automático es una subcategoría de la inteligencia artificial, y automatiza eficientemente el proceso de creación de modelos analíticos y permite que las máquinas se adapten a nuevas situaciones de manera independiente.

En este curso, los estudiantes explorarán técnicas de aprendizaje automático supervisado utilizando el kit de herramientas de python scikit learn (sklearn) y datos deportivos del mundo real para comprender los algoritmos de aprendizaje automático y cómo predecir los resultados deportivos. 

Sobre la base de los cursos anteriores en la especialización, los estudiantes aplicarán métodos como máquinas de vectores de soporte (SVM), árboles de decisión, bosque aleatorio, regresión lineal y logística, y conjuntos de estudiantes para examinar datos de ligas deportivas profesionales como la NHL y MLB.

Así como dispositivos portátiles como el Apple Watch y las unidades de medida inercial (IMU). Al final del curso, los estudiantes tendrán una amplia comprensión de cómo se pueden usar las técnicas de clasificación y regresión para permitir el análisis deportivo en actividades y eventos deportivos.

Lo que aprenderás:

• Conceptos de aprendizaje automático:
  • Esta semana presentaremos el concepto de aprendizaje automático y describiremos las cuatro áreas principales en las que se puede utilizar en análisis de deportes.

Se discutirá la canalización del aprendizaje automático, así como algunos problemas comunes con los que uno se encuentra cuando se usa el aprendizaje automático para el análisis deportivo.

• Máquinas de vectores de soporte:
  • En esta semana, los estudiantes aprenderán cómo funcionan las máquinas de vectores de soporte (SVM) y experimentarán estos modelos al observar datos de béisbol y de dispositivos portátiles.

Al terminar la semana, los estudiantes tendrán experiencia en la construcción de SVM con datos reales y podrán aplicarlos a sus propios problemas.

• Árboles de decisión:
  • Esta semana se centrará en los métodos interpretables para el aprendizaje automático con un enfoque particular en los árboles de decisión.

 Los estudiantes aprenderán cómo funcionan estos modelos en general y verán usos especiales de árboles de decisión en combinación con métodos de regresión.

 En esta semana, los estudiantes comprenderán mejor cómo se puede utilizar el kit de herramientas de python sklearn para una amplia gama de tareas de aprendizaje supervisado.

• Conjuntos y más allá:
  • En esta semana del curso, los estudiantes aprenderán cuántos modelos diferentes se pueden usar juntos a través de conjuntos, incluido el método de bosque aleatorio como uso común, así como los métodos más generales disponibles en sklearn, como apilar y empaquetar.

Al final de esta semana, los estudiantes tendrán una amplia comprensión de cómo métodos como SVM, árboles de decisión y regresión logística se pueden usar juntos para resolver un problema con un rendimiento creciente.

¿Cómo obtengo el curso?

Este curso es ofrecido desde la plataforma de Coursera, es un curso que puedes obtener de manera gratuita bajo ciertas condiciones.

La primera opción es elegir la opción de “Curso gratuito sin certificado”, de esta manera podrás acceder al contenido del curso y finalizarlo, pero no podrás obtener un certificado de finalización avalado por la plataforma.

La segunda opción es elegir “auditar curso”, con esta opción podrás acceder al contenido de video del curso, pero no podrás realizar los exámenes ni obtener el certificado de finalización. Si no ves la opción de auditar curso, debes verificar en la parte de abajo usando el scroll (en forma de link).

Las opciones varían dependiendo el curso, pero con cualquiera de las dos podrás acceder gratuitamente al contenido. Por si fuera poco, algunos cursos tienen la opción de ayuda económica, con los cuales puedes solicitar dicho apoyo y ser acreedor de un curso de pago.

Para obtener el curso de manera gratuita da clic en el siguiente botón:

---

---