Introducción:

“Puede que no lo sepas, pero el aprendizaje automático está a tu alrededor. Cuando ingresa una consulta en
un motor de búsqueda, el motor averigua qué resultados mostrarle (y qué anuncios, también). Cuando lee su
correo electrónico, no ve la mayor parte del correo no deseado, porque el aprendizaje automático lo filtró. Vaya
a Amazon.com para comprar un libro o Netflix para ver un video, y un sistema de aprendizaje automático le
recomendará algunos que le pueden gustar. Facebook utiliza el aprendizaje automático para decidir qué
actualizaciones mostrarle, y Twitter hace lo mismo para los tweets. Cada vez que usa una computadora, es
probable que el aprendizaje automático esté involucrado en alguna parte.” Domingos, Pedro (2015), The
Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World.

Objetivo

Al finalizar el curso el participante estará en capacidad de:

 Entender el concepto de Machine learning y sus relaciones con otras ciencias

 Distinguir la lógica de los modelos: Redes neuronales artificiales, Redes bayesianas, Máquina de
vectores de soporte y K-vecinos más cercanos
 Construir modelos configurando sus parámetros más representativos
 Aplicar los modelos en diversos casos de negocio: banca, retail, industrias, investigación mercado, etc.
 Aplicar los modelos mediante software como RStudio y SPSS

Dirigido: Profesionales que se desempeñen como analista de datos en áreas como Analytics, Inteligencia de
Negocios, Inteligencia Comercial, Minería de datos, Estadística, Marketing, Investigación de mercado, etc;
Consultores, Investigadores; Estudiantes de postgrado y pregrado

Requisitos: Conocimientos básicos de Estadística y uso básico del software RStudio y/o SPSS (No
indispensable).

Syllabus

 Técnicas de Aprendizaje Automático

 Redes neuronales artificiales
 Máquina de vectores de soporte
 K-vecinos más cercanos
 Redes bayesianas
 Configuración de parámetros
 Casos de uso

Duración: 8 horas
Entregables del curso

 Bases de datos/Datasets
 Presentación (pdf)
 Scripts en R

Inversión: S/350. El abono puede ser en cualquiera de las siguientes cuentas:

BBVA: 0011-0057-02-12897672
BCP: 193-37835981-0-60
(a nombre del docente Caleb Terrel)

Informes: analytics.soultions85@gmail.com

Capacitador: Caleb Terrel Orellana - https://www.linkedin.com/in/caleb-terrel-orellana-933a2029/

Profesional de Ingeniería Estadística e Informática de la Universidad Nacional Agraria La Molina, con

especialización en Marketing y Finanzas. Consultor senior en Minería de datos, con experiencia utilizando
metodología CRISP-DM desarrollando modelos de segmentación, clasificación y regresión en diversas
entidades como Superintendencia de Mercado de Valores, Ministerio Publico, Osinergmin, Reniec, America
Movil entre otros. Cuenta con dos certificaciones internacionales de IBM: Certified Specialist SPSS Modeler
Professional v3 y Certified Specialist SPSS Statistics Level 1 v2.

Expositor en showrooms, foros, webinars sobre temas de Gestión de riesgos, Data mining, Text mining y Social
Network Analysis.

Docente en Informese Sac, BSgrupo, Data Mining Consulting y Grupo Iddea en cursos sobre Minería de datos,
Modelamiento predictivo, Estadística avanzada, Análisis multivariante, Ecuaciones estructurales, Manejo de
datos, etc utilizando softwares como IBM SPSS, R, RStudio y Stata.

Asesor de tesis de maestría y doctorado, aplicando estadística, modelos estadísticos y ecuaciones

estructurales.