About Course
Este curso digital está diseñado para ayudar a los responsables de la toma de decisiones empresariales a comprender los conceptos básicos del machine learning (ML). •Nivel del curso: Fundamental •Duración: 30 minutos Nota: Este curso tiene transcripciones o subtítulos localizados. La narración está en inglés. Para mostrar los subtítulos, haga clic en el botón CC en la esquina inferior derecha del reproductor. Actividades: Este curso incluye presentaciones, videos y evaluaciones de conocimientos. Objetivos del curso: En este curso, aprenderá a realizar lo siguiente: •Comprender los conceptos básicos del machine learning que ayuden a evaluar los beneficios y los riesgos que conlleva la adopción del ML en diversos casos empresariales Destinatarios previstos: Este curso está dirigido a los siguientes destinatarios: •Líderes empresariales sin conocimientos técnicos y demás responsables de la toma de decisiones empresariales que estén, o vayan a estar, involucrados en proyectos de ML •Participantes del programa AWS Machine Learning Embark y de los talleres de descubrimiento del Machine Learning Solutions Lab (MLSL) Requisitos previos: Recomendamos que los asistentes a este curso cumplan con los siguientes requisitos: •Conocimientos básicos de computadoras y sistemas informáticos •Algunos conocimientos básicos del concepto de machine learning Esquema del curso: Módulo 1: ¿Cómo puede ayudar el machine learning?: •Definición del concepto de inteligencia artificial •Definición del machine learning •Descripción de los distintos dominios empresariales en los que incide el machine learning •Descripción del bucle de retroalimentación positiva (volante) que impulsa los proyectos de ML •Descripción del potencial del machine learning en los mercados poco utilizados Módulo 2: ¿Cómo funciona el machine learning?: •Descripción de la inteligencia artificial •Descripción de la diferencia entre la inteligencia artificial y el machine learning Módulo 3: ¿Cuáles son algunos de los posibles problemas del machine learning?: •Descripción de las diferencias entre los modelos simples y los complejos •Comprensión de los problemas de inexplicabilidad e incertidumbre en los modelos de machine learning Módulo 4: Conclusión:
Student Ratings & Reviews
