En este programa de tres cursos, aprenderás sobre las prácticas recomendadas y otras recomendaciones sobre el machine learning. En este curso se estudia cómo elaborar un plan de desarrollo para integrar el machine learning en los procesos de la empresa. Se analizan los requisitos para determinar si el machine learning es la solución adecuada para un problema en una empresa y se describen los componentes necesarios para que la organización adopte el machine learning con éxito.
- Nivel del curso: Básico
- Duración: 90 minutos
Actividades
Este programa incluye cursos con presentaciones, vídeos y evaluaciones de conocimientos.
Objetivos del programa
En este programa aprenderás a hacer lo siguiente:
- Comprender los fundamentos de machine learning para poder evaluar los beneficios y los riesgos asociados a la adopción de machine learning en diversos casos en empresas
- Identificar los datos, el tiempo y los requisitos de producción para desarrollar con éxito un proyecto de machine learning
- Describir cómo adaptar una organización para lograr y mantener el éxito utilizando el machine learning
Público objetivo
Este curso está dirigido al siguiente público:
- Gerentes de empresas no técnicos y otros responsables de la toma de decisiones en empresas que están, o estarán, involucrados en proyectos de machine learning
- Participantes del programa AWS Machine Learning Embark y de los talleres de presentación del Machine Learning Solutions Lab (MLSL)
Requisitos previos
Aconsejamos que cada asistente al curso cuente con lo siguiente:
- Conocimientos básicos de equipos y sistemas informáticos
- Algunos conocimientos básicos del concepto de machine learning
Esquema del programa
Curso 1: Introducción al machine learning: El arte de lo posible
- Definición de machine learning
- Descripción del bucle de retroalimentación positiva (volante de inercia) que impulsa a los proyectos de machine learning
- Descripción de los diferentes dominios empresariales afectados por el machine learning
- Descripción del potencial de machine learning en los mercados infrautilizados
- Descripción de la inteligencia artificial
- Descripción de la diferencia entre la inteligencia artificial y el machine learning
- Descripción de las diferencias entre los modelos simples y los complejos
- Explicación de los problemas de inexplicabilidad e incertidumbre con los modelos de machine learning
Curso 2: Planificación de un proyecto de machine learning
- Explicar cómo determinar si el machine learning es la solución adecuada para el problema en una empresa
- Describir el proceso para garantizar que los datos estén preparados para el machine learning
- Explicar cómo puede incidir el machine learning en la cronología de un proyecto
- Identificar qué preguntas incidirán en la implementación de machine learning
Curso 3: Desarrollo de una organización preparada para el machine learning
- ¿Cómo puedo preparar a mi organización para utilizar el machine learning?
- ¿Cómo puede ayudarme AWS?
- ¿Qué otras estrategias puedo adoptar para garantizar el éxito de la organización?
- ¿Qué enfoque de cambio cultural funciona para mi organización?
- ¿Cómo evalúo mi estrategia de datos?
- ¿Cómo puedo mejorar mi estrategia de datos?
- ¿Cómo puedo crear una cultura de aprendizaje y colaboración?
- ¿Qué es un científico de datos?
- ¿Qué habilidades debe tener un científico de datos?
- ¿Cómo es un equipo piloto de machine learning?
- ¿Qué otros roles de apoyo necesitaré?
- ¿Cuáles son las responsabilidades clave?
- ¿Cómo adentrarme en el mundo de machine learning?
- ¿Cómo es el proceso de adopción de machine learning para una organización?
- ¿Cuál es un ejemplo de caso en una empresa para el desarrollo de una organización?