• Diseñar modelos predictivos de clasificación en problemas reales de salud, economía y empresa
• Implementar algoritmos de segmentación para análisis de poblaciones en diferentes aplicaciones.
• Desarrollar modelos de predicción avanzados de series temporales.

• INTRODUCCIÓN AL CURSO 
• Introducción al Python 
• Librería de Python para Machine Learning.
• Machine Learning. Introducción. 
• APRENDIZAJE SUPERVISADO 
• Definición y aplicaciones. 
• Medidas de rendimiento. 
• Modelos lineales 
• Modelos supervisados de ML: árboles, SVM, redes neuronales. 
• Combinación de modelos. Random Forest. 
• APRENDIZAJE NO SUPERVISADO 
• Definición y aplicaciones. 
• Medidas de rendimiento. 
• Clustering. Tipos 
• Biclustering 
• Manifolds. Reducción de la dimensionalidad
• Análisis de la cesta.

ENTIDAD SUBVENCIONADORA