BEGIN:VCALENDAR VERSION:2.0 PRODID:-//PYVOBJECT//NONSGML Version 1//EN BEGIN:VTIMEZONE TZID:America/Costa_Rica BEGIN:STANDARD DTSTART:20000101T000000 RRULE:FREQ=YEARLY;BYMONTH=1 TZNAME:CST TZOFFSETFROM:-0600 TZOFFSETTO:-0600 END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:20260715T174013Z - 53387@ampp176 DTSTART;TZID=America/Costa_Rica:20260828T080000 DTEND;TZID=America/Costa_Rica:20260918T120000 CREATED:20260715T174013Z DESCRIPTION:Inteligencia Artificial\nAcompáñanos en este curso de Inteligencia Artificial Este curso proporciona una introducción integral a la inteligencia artificial (IA)\, abordando sus conceptos fundamentales \, aplicaciones prácticas y tendencias actuales en la industria. Duració n: 16 horas. Horario PerfilContenido Fecha de inicio:Viernes 28 de agosto 2026\, 8:00am a 12:00pm Dirigido a profesionales de tecnología\, analista s de datos\, gerentes de proyectos\, desarrolladores y cualquier persona i nteresada en comprender los fundamentos y aplicaciones de la inteligencia artificial. ​ ESQUEMA DEL CURSO Fundamentos del Aprendizaje Automático Fundamentos del Aprendizaje Automático - ML 1.1 Puntos Clave Aprendizaje Automático Supervisado Aprendizaje Automático no Supervisado Aprendizaje Automático por Refuerzo 1.2 Introducción K-Nearest Neighbors Introducci ón Introducción a los Datos K-nearest Neighbors Distancia Euclidiana Cal cular la Distancia para Todas las Observaciones Aleatoriedad y Clasificaci ón Precio Promedio Funciones de Predicción 1.3 Evaluación del Rendimien to del Modelo Comprobando la Calidad de las Predicciones Métricas de Erro r Error Cuadrático Medio Entrenamiento de Otro Modelo Raíz del Error Cua drático Medio Comparación del MAE y el RMSE 1.4 Multivariante del Métod o K-Nearest Neighbors Recapitulemos Eliminación de Características Manej o de los Valores Perdidos Normalización de Columnas Cálculo del MSE con Scikit-Learn Utilización de más Funciones Utilización de Todas las Func iones 1.5 Optimización de Hiperparámetros Recapitulación Optimización de Hiperparámetros Ampliar la Búsqueda en la Cuadrícula Visualización de los Valores de los Hiperparámetros 1.6 Validación Cruzada Concepto Va lidación de la Retención Validación Cruzada K-Fold 1.7 Proyecto Guiado: Predicción de los Precios de Automóviles Proyecto Guiado: Predicción d e los Precios de Automóviles II Cálculo para el Aprendizaje [...] DTSTAMP:20260715T174013Z LOCATION:APPLICA S.A.\, Avenida 16 Calle 42\, Mata Redonda\, San José 1 10 108\, Costa Rica SUMMARY:Inteligencia Artificial X-ALT-DESC;FMTTYPE=text/html:Inteligencia Artificial\nAcompáñanos en este curso de Inteligencia Artificial Este curso proporciona una intro ducción integral a la inteligencia artificial (IA)\, abordando sus concep tos fundamentales\, aplicaciones prácticas y tendencias actuales en la in dustria. Duración: 16 horas. Horario PerfilContenido Fecha de inicio:Vier nes 28 de agosto 2026\, 8:00am a 12:00pm Dirigido a profesionales de tecno logía\, analistas de datos\, gerentes de proyectos\, desarrolladores y cu alquier persona interesada en comprender los fundamentos y aplicaciones de la inteligencia artificial. ​ ESQUEMA DEL CURSO Fundamentos del Aprendi zaje Automático Fundamentos del Aprendizaje Automático - ML 1.1 Puntos C lave Aprendizaje Automático Supervisado Aprendizaje Automático no Superv isado Aprendizaje Automático por Refuerzo 1.2 Introducción K-Nearest Nei ghbors Introducción Introducción a los Datos K-nearest Neighbors Distanc ia Euclidiana Calcular la Distancia para Todas las Observaciones Aleatorie dad y Clasificación Precio Promedio Funciones de Predicción 1.3 Evaluaci ón del Rendimiento del Modelo Comprobando la Calidad de las Predicciones Métricas de Error Error Cuadrático Medio Entrenamiento de Otro Modelo Ra íz del Error Cuadrático Medio Comparación del MAE y el RMSE 1.4 Multiva riante del Método K-Nearest Neighbors Recapitulemos Eliminación de Carac terísticas Manejo de los Valores Perdidos Normalización de Columnas Cál culo del MSE con Scikit-Learn Utilización de más Funciones Utilización de Todas las Funciones 1.5 Optimización de Hiperparámetros Recapitulaci ón Optimización de Hiperparámetros Ampliar la Búsqueda en la Cuadrícu la Visualización de los Valores de los Hiperparámetros 1.6 Validación C ruzada Concepto Validación de la Retención Validación Cruzada K-Fold 1. 7 Proyecto Guiado: Predicción de los Precios de Automóviles Proyecto Gui ado: Predicción de los Precios de Automóviles II Cálculo para el Aprend izaje [...] END:VEVENT END:VCALENDAR