El objetivo general del curso es proporcionar a los participantes una comprensión sólida de los conceptos clave y las técnicas fundamentales de aprendizaje automático y redes neuronales profundas. A lo largo de 100 horas, los estudiantes aprenderán desde los principios básicos de la regresión y clasificación supervisada, hasta enfoques avanzados como redes neuronales convolucionales, procesamiento de lenguaje natural y aprendizaje no supervisado. El curso incluye casos de estudio aplicados en diversas áreas y un proyecto final para
consolidar los conocimientos aprendidos.

1. Comprender los conceptos fundamentales de ML, incluyendo regresión, clasificación y aprendizaje no supervisado.
2. Implementar modelos de aprendizaje supervisado y no supervisado usando Python y Pandas.
3. Aplicar redes neuronales profundas y convolucionales en problemas de clasificación y predicción.
4, Desarrollar modelos de procesamiento de lenguaje natural y transfer learning.
5. Resolver casos de estudio en áreas de interés.
6. Desarrollar un proyecto práctico que integre los conocimientos adquiridos en el curso.

El curso se apoyará en el uso del campus virtual de la UEx, que será la principal plataforma de acceso a todos los recursos educativos.
Los participantes encontrarán en el campus material didáctico diverso, como presentaciones, artículos académicos, y videotutoriales.
También se incluirán datasets para ejercicios prácticos, guías de estudio y ejemplos de código en Python. Además, se utilizarán foros de discusión, autoevaluaciones y cuestionarios para consolidar los conocimientos adquiridos. El uso de notebooks interactivos facilitará la práctica de los conceptos vistos en clase.