La aplicación de técnicas de Machine Learning en la predicción y simulación de procesos se ha convertido en una herramienta fundamental para mejorar la eficiencia y la rentabilidad de las empresas. Sin embargo, muchas empresas no cuentan con los conocimientos necesarios para implementar estas técnicas de manera efectiva. Este curso tiene como objetivo proporcionar a los estudiantes los conocimientos y habilidades necesarios para aplicar técnicas de Machine Learning en procesos industriales, incluyendo el preprocesamiento de datos, la selección de modelos y la validación de resultados. Al finalizar el curso, los estudiantes estarán capacitados para aplicar estas técnicas en el monitoreo de procesos, el control de calidad, la optimización de procesos y el mantenimiento predictivo, lo que se traducirá en una mayor eficiencia, una reducción de costos y una mejora en la toma de decisiones en las empresas.

Al finalizar el curso satisfactoriamente, se otorgará al participante el certificado de:

• Machine Learning para la Optimización y Mejora de Procesos a nombre de SGS.

El certificado se entregará en un plazo máximo de 15 días, luego de terminar el curso.

• Comprender los conceptos básicos de Machine Learning y su aplicación en la mejora de procesos.
• Ser capaz de aplicar técnicas de Machine Learning para resolver problemas específicos de la mejora de procesos.
• Conocer los principales algoritmos de Machine Learning y su aplicación en la mejora de procesos.
• Diseñar soluciones de mejora de procesos basadas en técnicas de Machine Learning.

Introducción al Machine Learning

• Qué es el Machine Learning y cómo se aplica en la optimización y mejora de procesos.

• Tipos de Machine Learning: supervisado, no supervisado y por refuerzo.
• Ejemplos de aplicaciones de Machine Learning en la mejora de procesos.

Preparación de datos

• Importancia de la preparación de datos en Machine Learning.
• Técnicas de limpieza de datos: manejo de valores faltantes, detección y corrección de errores, eliminación de outliers.
• Técnicas de transformación de datos: normalización, estandarización.
• Selección de características: análisis de componentes principales, selección de características basada en la correlación.

Modelos de Regresión

• Predicción de valores continuos.
• Análisis de la relación entre variables.
• Modelos lineales y no lineales.

Modelos de Clasificación

• Clasificación de datos en categorías.
• Análisis de la relación entre variables.
• Modelos lineales y no lineales.

Técnicas de Validación

•  Evaluación de la calidad del modelo.
• Selección de los mejores parámetros.
• Técnicas de validación cruzada.

Optimización de procesos

• Aplicación de técnicas de Machine Learning para mejorar procesos.
• Reducción de costos.

Herramientas y recursos

• Introducción a las herramientas de Machine Learning. Recursos disponibles en línea.

• MIGUEL PATIÑO

Ingeniero Industrial por la Pontificia Universidad Católica del Perú (PUCP), con Maestría en Administración Estratégica de Empresas por la Pontificia Universidad Católica del Perú (PUCP) y con MBA por Maastricht School of Management.

Miguel se ha desempeñado como Gerente de Proyectos, Consultor y Docente. En su experiencia como docente de postgrado, en la PUCP y Universidad de Lima, estuvo a cargo de cursos como Lean Six Sigma, Estadísticas para la Administración, Herramientas para la toma de decisiones gerenciales, entre otros.

Como docente a nivel internacional, está capacitado para impartir cursos especializados para SGS en cualquier parte del mundo, brindando formación de calidad bajo estándares globales.

_{(SGS ACADEMY se reserva el derecho de modificar la plana docente, secuencia de cursos o fechas de inicio por motivos de fuerza mayor. Estas medidas corresponden a su política de mejora continua, garantizando que la calidad del curso, programa o diplomado no se vea afectada. Todo cambio será comunicado con anticipación a los participantes.)}

Profesionales e Ingenieros de procesos y control de calidad que buscan mejorar la eficiencia y calidad de los procesos industriales mediante el uso de técnicas avanzadas de modelado y predicción.

Gerentes y ejecutivos que buscan mejorar la eficiencia y calidad de sus procesos industriales, mejorar la toma de decisiones y reducir costos a través de la automatización de procesos y la optimización de los recursos.

Profesionales de la consultoría y servicios de tecnología que trabajan con clientes industriales y necesitan habilidades avanzadas en modelado y simulación de procesos para diseñar soluciones personalizadas.

• Conocimientos básicos en matemáticas y estadística.
• Conocimientos básicos de programación, para trabajar con librerías y familiaridad con el uso de software estadístico.
• Conocimientos básicos de los procesos industriales relevantes, tales como los procesos químicos, de fabricación, de producción de energía, etc.