Uso de cookies nas páxinas web do Concello da Coruña
Empregamos cookies propias (de sesión, de personalización, de preferencias) para mellorar a experiencia do usuario a través do sitio web e cookies de terceiros xeradas por servizos ou provedores externos ao sitio web, que recollen datos estatísticos, de uso, gustos dos usuarios, etc. Ao aceptar todas as cookies, dá o seu consentimento expreso para que as cookies propias e de terceiros sexan rexistradas e utilizadas. Ao rexeitar as cookies, acepta que só se usarán as súas propias cookies para mellorar a experiencia do usuario. Podes obter máis información, ou saber como cambiar a configuración, na nosa páxina Normas de uso
Este curso gratuíto, organizado pola Escola de Organización Industrial, está deseñado para que os estudantes aprendan as bases esenciais da intelixencia artificial e adquiran as habilidades fundamentais en ciencia de datos a través de exercicios prácticos. Está destinado a persoas novas inscritas en Garantía Xuvenil.
A quen vai dirixido:
Para público en xeral
Cando:
Primeiros cursos desde final de setembro.
Inscricións:
Convocatoria permanente.
Horario:
De luns a venres. 4-5 horas diarias. Haberá cursos en horarios de mañá e cursos en horario de tarde.
Duración:
3 meses. 317 horas lectivas (295 horas de clase e 22 horas de titoría)
Prezo:
Gratuíto por ser un programa cofinanciado polo Fondo Social Europeo Plus e SAMSUNG.
Requisitos:
Persoas novas que no momento de solicitar a participación no programa teñan entre 16 e 29 anos, e que estean inscritas no Sistema Nacional de Garantía Xuvenil.
O alumnado deberá ter coñecementos mínimos de:
Nivel de inglés similar a B2
Matemáticas
Sólida base de álxebra
Entendemento básico de álxebra lineal
Experiencia en programación: Programación en Python
Ser capaz de usar Jupyter Notebook
Fundamentos de Python: variables, condicionais, funcións e entrada/saída
Tipos de datos en Python: básicos e compostos (listaxe, tupla, dicionario e conxunto)
Secuencias mutables
Clases en Python
Estruturas de datos (pilas, colas) e algoritmos (ordenamento e procura) como habilidade para resolver problemas
Comprender as matemáticas fundamentais detrás da ciencia de datos e a aprendizaxe automática: álxebra lineal, probabilidade e estatística.
Ser capaz de realizar o preprocesamiento de datos coas bibliotecas de Python (NumPy e Pandas) para a execución de modelos óptimos de aprendizaxe automática e visualización de datos.
Explorar a aprendizaxe supervisada e non supervisado e ser capaz de aplicar o algoritmo de aprendizaxe automática máis adecuado.
Aprender a procesar datos textuais para derivar información de alta calidade do texto e aplicar novos coñecementos a negocios do mundo real (NLP).
Construír e adestrar redes neuronais profundas, utilizar bibliotecas de aprendizaxe profunda como TensorFlow e Keras para gañar competencia, así como manexar varias técnicas de aprendizaxe profunda.
Modalidade
As clases desenvolveranse en formato en liña. O alumnado apoiarase nos materiais facilitados polos profesores aplicando a metodoloxía Learning by Doing.
Sentímolo pero o teu navegador é moi antigo para poder mostrar esta páxina. Debes de actualizalo ou usar un navegador compatible. Optimizamos esta web para Google Chrome, Mozilla Firefox, Opera, Safari e Microsoft Edge.
Instalar agora un navegador compatible