Cursos en línea gratuitos de Machine Learning y Data Science para volverse un especialista

Desde principiante hasta avanzado. 

Ante la situación que estamos viviendo con el COVID-19, muchos nos encontramos en casa trabajando, pero llegamos a tener espacios libres que podríamos utilizarlos para aprender algo nuevo. Es por eso que les dejo una lista de cursos en línea gratuitos para principiantes, intermedios y avanzados, que puedes tomar desde el lugar más cómodo de tu hogar y aprender Inteligencia Artificial para poderlo aplicar en tu profesión.

Regístrate en la Masterclass online de manera gratuita y conoce más de las técnicas y las tendencias del Procesamiento Digital de Imágenes con Inteligencia Artificial. El evento será el jueves 9 de diciembre de 2021 a las 19:00 horas CDMX.

Regístrate aquí

A. Cursos para principiantes

1. Aprendizaje automático

Donde: Coursera

Institución involucrada: Standford

Tiempo requerido: 54hs

Requisitos previos: no requiere nada, pero creo que sería útil comprender el cálculo y, especialmente, el álgebra lineal para aprovechar al máximo este curso.

Comentarios: Andrew Ng , el instructor de este curso, es una leyenda en Machine Learning e Inteligencia Artificial. Es profesor en Standford, uno de los fundadores de Coursera y desarrolló uno de los primeros cursos en línea de Machine Learning, que todavía está disponible en YouTube .

Resumen del curso en sí:

Este curso proporciona una amplia introducción al aprendizaje automático, la minería de datos y el reconocimiento de patrones estadísticos. Los temas incluyen: (i) Aprendizaje supervisado (algoritmos paramétricos / no paramétricos, máquinas de vectores de soporte, núcleos, redes neuronales). (ii) Aprendizaje no supervisado (agrupamiento, reducción de dimensionalidad, sistemas de recomendación, aprendizaje profundo). (iii) Mejores prácticas en aprendizaje automático (teoría del sesgo / varianza; proceso de innovación en aprendizaje automático y IA).

Tópicos cubiertos:

• Regresión lineal
• Regresión logística
• Regularización
• Redes neuronales
• Máquinas de vectores de soporte
• Aprendizaje sin supervisión
• Reducción de dimensionalidad
• Detección de anomalías
• Sistemas de recomendación

2. Aprendizaje automático con Python

Donde: Coursera

Institución involucrada: IBM

Tiempo requerido: 22hs

Requisitos previos: igual que el curso anterior, es decir, matemáticas básicas.

Comentarios: aunque el curso dice “Nivel intermedio”, personalmente creo que podría ser un buen punto de partida para alguien nuevo en el campo. También es una buena opción si está buscando algo más corto que el curso anterior de Stanford, ya que esto requiere menos de la mitad de su número de horas.

Resumen del curso en sí:

Este curso se sumerge en los conceptos básicos del aprendizaje automático utilizando un lenguaje de programación accesible y conocido, Python. En este curso, revisaremos dos componentes principales: Primero, aprenderá sobre el propósito del aprendizaje automático y dónde se aplica al mundo real. En segundo lugar, obtendrá una visión general de los temas de Machine Learning, como el aprendizaje supervisado y no supervisado, la evaluación de modelos y los algoritmos de Machine Learning.

Tópicos cubiertos:

• Regresión
• Clasificación
• Agrupación
• Sistemas de recomendación

B. cursos intermedios

3. Redes neuronales y aprendizaje profundo

Donde: Coursera

Institución involucrada: deeplearning.ai

Tiempo requerido: 30hs

Requisitos previos: se requiere experiencia en codificación de Python y matemáticas de nivel secundario. El conocimiento previo de Machine Learning o Deep Learning es útil.

Comentarios: una vez que haya dominado los conceptos básicos en ML y se sienta cómodo con Python, en mi opinión, el siguiente paso probablemente sea familiarizarse con TensorFlow, ya que actualmente se están ejecutando muchos algoritmos computacionalmente costosos. Además, un hecho rápido, Andrew Ng también está detrás de deeplearning.ai y, por lo tanto, también está detrás de este curso.

Resumen del curso en sí:

En este curso, aprenderá los fundamentos del aprendizaje profundo. Cuando termines esta clase, podrás:

– Comprender las principales tendencias tecnológicas que impulsan el aprendizaje profundo
– Ser capaz de construir, entrenar y aplicar redes neuronales profundas completamente conectadas
– Saber cómo implementar redes neuronales eficientes (vectorizadas)
– Comprender los parámetros clave en la arquitectura de una red neuronal

Este curso también le enseña cómo funciona realmente el aprendizaje profundo, en lugar de presentar solo una descripción superficial o superficial.

Tópicos cubiertos:

• Introducción al aprendizaje profundo.
• Conceptos básicos de redes neuronales
• Redes neuronales poco profundas
• Redes neuronales profundas

4. Redes neuronales convolucionales

Donde: Coursera

Institución involucrada: deeplearning.ai

Tiempo requerido: 20hs

Requisitos previos: se requieren algunos conocimientos de TensorFlow, codificación de Python y matemáticas de nivel secundario.

Comentarios: curso ideal para realizar después del anterior.

Resumen del curso en sí:

Este curso le enseñará cómo construir redes neuronales convolucionales y aplicarlas a datos de imágenes. Gracias al aprendizaje profundo, la visión por computadora funciona mucho mejor que hace solo dos años, y esto permite numerosas aplicaciones interesantes que van desde la conducción autónoma segura, hasta el reconocimiento facial preciso, hasta la lectura automática de imágenes de radiología.

Tópicos cubiertos:

• Fundamentos de las redes neuronales convolucionales
• Modelos convolucionales profundos: estudios de caso
• Detección de objetos
• Aplicaciones especiales: reconocimiento facial y transferencia de estilo neuronal

C. Curso avanzado

5. Especialización avanzada en aprendizaje automático

Donde: Coursera

Institución involucrada: Universidad Nacional de Investigación Escuela Superior de Economía (Rusia)

Tiempo requerido: 10 meses a un ritmo de 6 horas por semana

Requisitos previos: diseñados para aquellos que ya están en la industria, con una base sólida en aprendizaje automático y matemáticas.

Comentarios: esta es una especialización completa, por lo que técnicamente podría omitir cualquiera de los cursos dentro de ella si siente que no la necesita o si ya ha cubierto esos temas en el trabajo o en cursos anteriores.

Resumen del curso en sí:

Sumérgete profundamente en las técnicas modernas de IA. Enseñará a la computadora a ver, dibujar, leer, hablar, jugar y resolver problemas de la industria. Esta especialización ofrece una introducción al aprendizaje profundo, aprendizaje de refuerzo, comprensión del lenguaje natural, visión por computadora y métodos bayesianos. Los mejores profesionales de aprendizaje automático de Kaggle y los científicos del CERN compartirán su experiencia de resolver problemas del mundo real y lo ayudarán a llenar los vacíos entre la teoría y la práctica.

Tópicos cubiertos:

• Introducción al aprendizaje profundo (32hs)
• Cómo ganar un concurso de ciencia de datos: aprenda de los mejores Kagglers (47hs)
• Métodos Bayesianos para el Aprendizaje Automático (30hs)
• Aprendizaje práctico de refuerzo (30hs)
• Aprendizaje profundo en visión artificial (17hs)
• Procesamiento de lenguaje natural (32hs)
• Abordar los grandes desafíos del colisionador de hadrones mediante el aprendizaje automático (24 horas)