Catalogue Machine Learning — Mandragore Academy

ChatGPT Claude AI Machine Learning AI Agents & Agentic Systems

Catálogo Machine Learning

Del principiante al experto — compre individualmente o en pack con certificado de aprovechamiento.

Cada curso reúne 8 lecciones interactivas en un Learning Workspace diseñado para transformar los conocimientos en competencias operativas. Lecciones guiadas, cuestionarios dinámicos, acompañamiento conversacional, casos prácticos, recursos adicionales y seguimiento del progreso te permiten aprender de forma eficaz, a tu ritmo. Los 15 cursos siguen una progresión por niveles, desde el encuadre de un problema de Machine Learning hasta el despliegue, la supervisión y la defensa de una solución predictiva completa.

🎓 15 cursos • 📚 120 lecciones interactivas • ⏱️ de 45 a 75 horas de formación conversacional

Vista previa de una lección en el Learning Workspace

Nivel 1 — 9,90 € sin IVA Nivel 2 — 12,90 € sin IVA Nivel 3 — 15,90 € sin IVA Nivel 4 — 18,90 € sin IVA Nivel 5 — 24,90 € sin IVA

⭐ Mejor oferta

Machine Learning — Pack Completo (15 cursos)

ML01 → ML15 · 1 800 créditos incluidos

🎓 Certificado : "ML profesional" 247,50 €

📚 15 itinerarios 📖 120 lecciones ⏱ de 45 a 75 h ⚡ 1800 créditos incluidos

142,90 € sin IVA

Ahorro : 104,60 €

Pack Fundamentos del Machine Learning 3 cursos Niveau 1

🎓 Certificado : ML — Fundamentos del Machine Learning

📚 3 itinerarios 📖 24 lecciones ⏱ de 9 a 15 h ⚡ 240 créditos incluidos

29,70 €

22,90 sin IVA

Ahorro : 6,80 €

01 Nivel 1

Comprender el Machine Learning y encuadrar un problema

transformar una necesidad de negocio en un problema de Machine Learning medible y decidir si el ML es realmente pertinente

Comprender lo que realmente aporta el Machine Learning Distinguir el aprendizaje supervisado y el no supervisado Identificar clasificación, regresión y otras familias de problemas Definir features, target, observaciones y predicciones Distinguir entrenamiento, validación e inferencia Construir una baseline antes de cualquier modelo complejo Definir métricas técnicas y criterios de éxito de negocio Taller: decidir si un problema requiere realmente Machine Learning

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 80 créditos incluidos

02 Nivel 1

Preparar y explorar los datos para el Machine Learning

construir un conjunto de datos explotable sin introducir sesgos, fugas de datos ni incoherencias

Explorar distribuciones, tipos y calidad de los datos Gestionar valores ausentes y valores atípicos Preparar variables numéricas y categóricas Codificar las categorías sin introducir información futura Escalar las variables cuando el modelo lo exige Detectar desequilibrios y representatividad insuficiente Construir los conjuntos train, validation y test sin fuga de datos Taller: auditar y preparar un dataset antes del modelado

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 80 créditos incluidos

03 Nivel 1

Construir un primer pipeline de ML reproducible

encadenar preprocesamiento, entrenamiento, predicción y evaluación en un flujo de trabajo reproducible

Instalar un entorno de ML reproducible Construir una baseline con scikit-learn Crear las transformaciones de preprocesamiento Ensamblar preprocesamiento y modelo con Pipeline Entrenar el pipeline y generar predicciones Calcular y verificar las primeras métricas Guardar configuración, datos de referencia y artefactos útiles Taller: entregar un primer pipeline de ML reproducible

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 80 créditos incluidos

Pack Modelos supervisados 3 cursos Niveau 2

🎓 Certificado : ML — Modelos supervisados

📚 3 itinerarios 📖 24 lecciones ⏱ de 9 a 15 h ⚡ 300 créditos incluidos

38,70 €

28,90 sin IVA

Ahorro : 9,80 €

04 Nivel 2

Resolver problemas de regresión

diseñar, comparar y evaluar modelos destinados a predecir un valor numérico

Comprender un target continuo y construir una baseline Construir una regresión lineal Comprender la regularización y su interés Utilizar árboles y ensembles para la regresión Elegir entre MAE, MSE y RMSE Interpretar el R² sin sobrevalorarlo Analizar residuos y errores por segmento Taller: comparar varios modelos de regresión para una necesidad de negocio

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 100 créditos incluidos

05 Nivel 2

Resolver problemas de clasificación

construir modelos de clasificación y elegir las métricas y umbrales adaptados al costo real de los errores

Comprender las clases y construir una baseline Construir una regresión logística Utilizar árboles y Random Forest Descubrir los métodos de boosting Leer una matriz de confusión Comparar precision, recall y F1 Utilizar ROC-AUC, PR-AUC y ajustar el umbral de decisión Taller: elegir un clasificador según el costo de los errores

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 100 créditos incluidos

06 Nivel 2

Evaluar correctamente y comparar los modelos

obtener una estimación fiable del rendimiento y evitar conclusiones engañosas al seleccionar un modelo

Comprender el riesgo de una evaluación demasiado optimista Utilizar un hold-out correctamente Evaluar con cross-validation Estratificar los datos cuando sea necesario Respetar el orden temporal con un time split Comparar varios modelos con métricas coherentes Calibrar probabilidades y reservar el test final Taller: construir un protocolo de evaluación defendible

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 100 créditos incluidos

Pack Modelado avanzado 3 cursos Niveau 3

🎓 Certificado : ML — Modelado avanzado

📚 3 itinerarios 📖 24 lecciones ⏱ de 9 a 15 h ⚡ 360 créditos incluidos

47,70 €

35,90 sin IVA

Ahorro : 11,80 €

07 Nivel 3

Diseñar y seleccionar las features

crear variables informativas sin fuga de datos y reducir la complejidad cuando mejora el modelo

Comprender el papel del feature engineering Crear variables numéricas y transformaciones útiles Crear variables temporales sin fuga de información Construir interacciones y agregados Detectar redundancia y multicolinealidad Utilizar métodos de selección de features Encapsular el feature engineering y la selección en el pipeline Taller: mejorar un modelo con features justificadas

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 120 créditos incluidos

08 Nivel 3

Optimizar modelos e hiperparámetros

reducir el underfitting y el overfitting y buscar hiperparámetros sin contaminar la evaluación final

Comprender underfitting, overfitting, sesgo y varianza Identificar parámetros aprendidos e hiperparámetros Construir un Grid Search con validación cruzada Utilizar Randomized Search en un espacio más amplio Elegir la métrica realmente optimizada Controlar el tiempo de cálculo y el espacio de búsqueda Comparar el modelo optimizado sin tocar el test final Taller: llevar a cabo y documentar una optimización de hiperparámetros

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 120 créditos incluidos

09 Nivel 3

Explorar datos sin etiquetas

utilizar clustering, reducción de dimensión y detección de anomalías para comprender estructuras sin un target supervisado

Comprender los objetivos del aprendizaje no supervisado Preparar los datos para el clustering Segmentar con K-means Comprender el clustering jerárquico Descubrir DBSCAN y los clústeres de forma irregular Reducir la dimensión con PCA Detectar anomalías y cuestionar su significado Taller: construir e interpretar una segmentación exploratoria

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 120 créditos incluidos

Pack Fiabilidad y ciclo de vida del ML 3 cursos Niveau 4

🎓 Certificado : ML — Fiabilidad y ciclo de vida del ML

📚 3 itinerarios 📖 24 lecciones ⏱ de 9 a 15 h ⚡ 420 créditos incluidos

56,70 €

42,90 sin IVA

Ahorro : 13,80 €

10 Nivel 4

Interpretar, explicar y cuestionar los modelos

comprender los factores que influyen en las predicciones e identificar las situaciones en las que una explicación puede ser engañosa

Distinguir el rendimiento predictivo y la explicabilidad Interpretar coeficientes y parámetros simples Analizar la feature importance con prudencia Medir la importancia por permutación Comprender los partial dependence plots Descubrir las explicaciones locales de tipo SHAP Analizar errores y explicaciones por subgrupo Taller: producir un análisis de explicabilidad con sus límites

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 140 créditos incluidos

11 Nivel 4

Gestionar desequilibrios, sesgos, robustez y fiabilidad

evaluar la calidad de un modelo más allá de una métrica media y controlar sus riesgos en poblaciones y casos difíciles

Identificar las consecuencias de un fuerte desequilibrio de clases Utilizar la ponderación y el remuestreo con método Elegir métricas y umbrales para los casos raros Evaluar y mejorar la calibración Comparar el rendimiento entre subgrupos Probar la robustez y la sensibilidad a datos perturbados Identificar datos fuera de distribución y límites de uso Taller: cuestionar la fiabilidad de un modelo antes de una decisión

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 140 créditos incluidos

12 Nivel 4

Trazar los experimentos y gestionar las versiones de modelos

hacer que los experimentos sean comparables, auditables y reproducibles, y luego gestionar el ciclo de vida de los modelos

Comprender experimento, run y artefacto de ML Registrar parámetros y métricas con MLflow Tracking Trazar modelos, figuras y artefactos Comparar varios runs y seleccionar un candidato Registrar un modelo en el Model Registry Gestionar versiones, aliases, tags y metadatos Documentar datos, código, entorno y reproducibilidad Taller: construir la trazabilidad completa de un modelo candidato

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 140 créditos incluidos

Pack Dominio profesional del Machine Learning 3 cursos Niveau 5

🎓 Certificado : ML — Dominio profesional del Machine Learning

📚 3 itinerarios 📖 24 lecciones ⏱ de 9 a 15 h ⚡ 480 créditos incluidos

74,70 €

48,90 sin IVA

Ahorro : 25,80 €

13 Nivel 5

Comprender y poner en práctica el Deep Learning

comprender los mecanismos esenciales de las redes neuronales y entrenar un modelo sencillo sin diluir el itinerario en Deep Learning avanzado

Comprender tensores, capas y red neuronal Elegir funciones de activación y una arquitectura sencilla Comprender la función de pérdida y la optimización Comprender el gradiente y la backpropagation Utilizar batch, epoch y DataLoader Construir y entrenar una red sencilla con PyTorch Controlar el overfitting, la validación y el guardado Taller: comparar una red sencilla con una baseline clásica

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 160 créditos incluidos

14 Nivel 5

Desplegar, supervisar y mantener un modelo de ML

pasar de un modelo validado a un servicio explotable, versionado, observable y mantenible en producción

Preparar un artefacto fiable para la inferencia Distinguir batch prediction y online inference Exponer un modelo mediante una API de inferencia Poner en contenedor y configurar el servicio Gestionar registry, versiones, promoción y rollback Supervisar la latencia, los errores y la calidad de los datos de entrada Detectar data drift, concept drift y las condiciones de reentrenamiento Taller: desplegar y supervisar un servicio de predicción

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 160 créditos incluidos

15 Nivel 5

Proyecto profesional completo de Machine Learning

diseñar, evaluar, explicar, versionar, desplegar y defender una solución de ML de principio a fin

Encuadrar el problema de churn y el costo de los errores Preparar los datos y construir la baseline Construir pipelines, features y modelos candidatos Comparar, optimizar y evaluar sin fuga Analizar segmentos, errores y explicabilidad Trazar experimentos y versionar el modelo final Desplegar la API, definir monitoring, model card y runbook Taller final: presentar y defender la solución de ML y sus límites

📚 8 lecciones ⏱ de 3 a 5 h 🎯 Cuestionario incluido ⚡ 160 créditos incluidos