Aprende Python y técnicas de aprendizaje automático para analizar datos y crear modelos predictivos.
Convocatoria Otoño 2026
Online 350€
Presencial 450€
Lunes a Jueves
(Frecuencia intensiva)
Este módulo profundiza en las técnicas prácticas y avanzadas de aprendizaje automático, utilizando la librería especializada Scikit-learn. Inicialmente, los estudiantes aprenden a trabajar con Scikit-learn para datasets de tamaño medio (middle data), aplicando técnicas clave del aprendizaje supervisado (regresión y clasificación) y no supervisado (clusterización)
Se centra especialmente en la validación rigurosa de modelos predictivos, enseñando métodos robustos para evaluar su rendimiento (por ejemplo, validación cruzada), así como técnicas para optimizar hiperparámetros de modelos, asegurando la precisión y confiabilidad de las predicciones.
Se presentará la biblioteca Scikit-learn como herramienta fundamental para la implementación de modelos de aprendizaje automático en Python. Los estudiantes aprenderán a utilizar sus funcionalidades principales y a preparar conjuntos de datos de tamaño medio mediante procesos de partición, normalización y codificación previos al entrenamiento de modelos.
Se implementarán modelos de aprendizaje automático supervisado para resolver problemas de regresión, orientados a la predicción de valores continuos, y de clasificación, enfocados en la asignación de categorías.
Se abordarán técnicas para evaluar de forma robusta el rendimiento de los modelos de aprendizaje automático, incluyendo métodos de validación cruzada y el uso de métricas específicas en función del tipo de problema. Asimismo, se hará hincapié en la identificación y prevención de problemas de sobreajuste y subajuste.
Además, se enseñarán métodos para optimizar los hiperparámetros de un modelo mediante técnicas como grid search y random search, con el objetivo de mejorar su rendimiento, precisión y capacidad de generalización.
Se implementarán modelos de aprendizaje automático no supervisados para resolver problemas de reducción de dimensionalidad y de agrupación de datos (clustering). Se estudiarán sus aplicaciones prácticas y se aprenderá a interpretar los resultados para descubrir patrones sin etiquetas previas.
Preparar datos para entrenar modelos
En el Curso de especialización en Técnicas de Aprendizaje automático con Python de la UCM aprenderás a
La Universidad Complutense de Madrid (UCM) es la universidad #1 de España.
Podrás obtener dos certificación oficiales de nuestros partner formativos
Da el siguiente paso en tu carrera en comunicación digital
Habla con nuestro equipo y descubre si este máster encaja con tu perfil profesional.
Aquí encontrarás las respuestas a las dudas más comunes sobre el programa, para ayudarte a tomar la mejor decisión en tu formación
Obtendrás un Máster de Formación Permanente por la Universidad Complutense de Madrid.
Sí, el programa está diseñado en formato presencial compatible con actividad profesional, con clases concentradas en horarios accesibles.
El máster incluye la posibilidad de realizar prácticas en agencias y empresas del sector para aplicar lo aprendido.
Profesionales de la comunicación, marketing, relaciones públicas, branding, periodistas y recién graduados que busquen especializarse en comunicación digital.
La combinación de la excelencia académica de la UCM con la experiencia real de Burson (WPP) y un enfoque práctico centrado en la reputación y las nuevas tecnologías.
Sí, ofrecemos planes de financiación y pago fraccionado para facilitar el acceso al programa.
