Machine Learning Essentials for Business and Technical Decision Makers (Spanish)

En este plan de estudios de tres cursos, aprenderá sobre las prácticas recomendadas y los consejos para aplicar el machine learning (ML). El plan explora el plan de desarrollo que debe seguirse para integrar el ML en los procesos empresariales, analiza los requisitos para determinar si el ML es la solución adecuada para un problema empresarial y describe los componentes necesarios para que una organización adopte con éxito el ML.

• Nivel del curso: Básico
• Duración: 90 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 plan de estudios incluye cursos con presentaciones, videos y evaluaciones de conocimientos.

Objetivos del plan de estudios

En este plan de estudios, 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
• Identificar los requisitos de datos, tiempo y producción para lograr que el proyecto de ML se desarrolle de manera correcta
• Describir cómo adaptar una organización para que logre y mantenga el éxito mediante el uso del ML

Destinatarios previstos

Este plan de estudios 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 plan de estudios

Curso 1: Introduction to Machine Learning: Art of the Possible

Módulo 1. ¿Cómo puede ayudar el machine learning?

• Definición del machine learning
• Descripción del bucle de retroalimentación positiva (volante) que impulsa los proyectos de ML
• Descripción de los distintos dominios empresariales en los que incide el machine learning
• 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

Curso 2: Planning a Machine Learning Project

Módulo 1. ¿Una solución de machine learning resulta adecuada para mi problema?

• Explicación de cómo determinar si el ML es la solución adecuada para su problema empresarial

Módulo 2. ¿Mis datos se encuentran preparados para el machine learning?

• Descripción del proceso destinado a garantizar que sus datos estén preparados para el ML

Módulo 3. ¿De qué manera influirá el machine learning en el cronograma de un proyecto?

• Explicación de la manera en que el ML puede influir en el cronograma de un proyecto

Módulo 4. ¿Cuáles son las primeras preguntas que debo plantearme en la implementación?

• Identificación de las preguntas que influyen en la implementación del ML

Módulo 5. Conclusión

Curso 3: Building a Machine Learning Ready Organization

Módulo 1. ¿De qué modo puedo preparar mi organización para que utilice el ML?

• ¿De qué modo puedo preparar mi organización para que utilice el ML?
• ¿Cómo puede ayudarme AWS?
• ¿Qué otras estrategias puedo adoptar para garantizar que la organización obtenga buenos resultados?
• ¿Qué enfoque de cambio cultural resulta adecuado para mi organización?

Módulo 2. ¿Cómo hago para evaluar mi estrategia de datos?

• ¿Cómo hago para evaluar mi estrategia de datos?
• ¿Cómo puedo mejorar mi estrategia de datos?

Módulo 3. ¿Qué debo hacer para crear una cultura de aprendizaje y colaboración?

• ¿Qué debo hacer para crear una cultura de aprendizaje y colaboración?
• ¿Qué es un científico de datos?
• ¿Cuáles son las habilidades que debe poseer un científico de datos?
• ¿Cómo es un equipo piloto de ML?
• ¿Qué otros roles secundarios necesitaré?
• ¿Cuáles son las responsabilidades principales?

Módulo 4. ¿Cómo comienzo mi camino hacia el ML?

• ¿Cómo comienzo mi camino hacia el ML?
• ¿Cómo es el camino a seguir por una organización en materia de ML?
• ¿Cuál es un ejemplo de caso empresarial relacionado con el progreso de una organización?

Módulo 5. Conclusión