FEUGA convoca un curso de introdución á tecnoloxía da aprendizaxe máquina con Python

A fundación FEUGA vai organizar un curso de introdución a unha das tecnoloxías da Intelixencia Artificial de meirande proxección nos ámbitos empresarial e investigador: o Machine Learning (Aprendizaxe Máquina ou Aprendizaxe Automática). Porase o foco na aplicación de algoritmos de Intelixencia Artificial para o adestramento de modelos de predición. Segundo informa FEUGA, o ML é unha rama da IA que se centra no desenvolvemento de sistemas capaces de aprender e mellorar automaticamente a medida que se lles presenta nova información. “Na actualidade”, explican fontes da Fundación Empresa-Universidade de Galicia, “o coñecemento do Machine Learning é esencial debido á enorme cantidade de datos dispoñíbeis e a necesidade de analizalos e obter conclusións útiles a partir deles”.
Este curso ten como obxectivo “introducir os conceptos de Intelixencia Artificial, Machine Learning e Deep Learning e explorar as tres categorías de algoritmos do ML: supervisados, non supervisados e de reforzo. Durante o curso, implementaranse algúns dos algoritmos máis representativos utilizando a linguaxe de programación Python na plataforma Jupyter, incluíndo modelos lineais, modelos baseados en árbores de decisión (incluíndo os máis potentes algoritmos de Gradient Boosting), algoritmos de clustering e redes neurais.
“Aprender sobre Machine Learning”, sinala FEUGA, “permitiranos automatizar a análise de datos, desenvolver sistemas de Intelixencia Artificial avanzados e comprender como funcionan os algoritmos de aprendizaxe automática”. Estas habilidades, engade a fundación, “son fundamentais para unha ampla variedade de eidos, como a economía, a medicina, a industria e a tecnoloxía”. Este curso “daranos unha vantaxe na nosa carreira e permitiranos manternos actualizados nun eido de actividade en constante evolución”, explica FEUGA.
O curso desenvolverase por vídeo-conferencia en tempo real. A duración será de 24 horas. Celebrarase os días 18, 20, 25 e 27 de abril e 3 e 5 de maio de 2023, en horario de 09.30 a 13.30 horas. A data límite de inscrición é o 12 de abril.