INTELIGENCIA ARTIFICIAL PARA ECONOM虯 VERDE EN LA EMPRESA
Curso gratuito del Plan de Formaci髇 para trabajadores prioritariamente desempleados Oferta modular de acciones formativas dirigidas a personas residentes en municipios con menos de 20.000 habitantes
MODALIDAD: TELEFORMACI覰
DURACI脫N: 60h.
OBJETIVOS: Implementar algoritmos de Machine Learning que capaciten a las personas participantes en el an醠isis de datos ambientales, identificaci髇 de patrones y tendencias, y desarrollar soluciones innovadoras para promover la econom韆 verde y la sostenibilidad ambiental. Desplegar modelos de IA que permitan un modelado predictivo, un consumo responsable de recursos, una evaluaci髇 del impacto ambiental y desarrollo de soluciones sostenibles
REQUISITOS: Conocimientos de inform醫ica en aplicaciones inform醫icas de gesti髇 como Hojas de c醠culo y Bases de datos.
CONTENIDOS:
Introducci髇 al Machine Learning y Econom韆 Verde - Conceptos b醩icos de Machine Learning y su aplicaci髇 en problemas ambientales. - Descripci髇 de la econom韆 verde y su importancia para el desarrollo sostenible. - Casos de estudio de aplicaci髇 de Machine Learning en proyectos de econom韆 verde. - Fuentes de datos ambientales y su recolecci髇. - T閏nicas de preprocesamiento de datos para limpieza, normalizaci髇 y selecci髇 de caracter韘ticas. - Pr醕ticas con herramientas de manipulaci髇 de datos en Python (Pandas, Numpy, Matplotlib). Modelado Predictivo para la Econom韆 Verde: Regresi髇 y Clasificaci髇 - Introducci髇 a los modelos predictivos y su aplicaci髇 en la predicci髇 de tendencias ambientales. - Regresi髇 lineal y regresi髇 log韘tica aplicadas a problemas ambientales. - Evaluaci髇 de modelos predictivos y m閠ricas de rendimiento. - Algoritmos de clasificaci髇 (por ejemplo, SVM, 醨boles de decisi髇) y su aplicaci髇 en la clasificaci髇 de especies, calidad del aire, etc. - Algoritmos de agrupamiento ( k-means) para identificar patrones en datos ambientales. - Pr醕ticas de implementaci髇 con Scikit-learn. Optimizaci髇 de Recursos Naturales y Evaluaci髇 del Riesgo - T閏nicas de optimizaci髇 aplicadas a la gesti髇 de recursos naturales y energ韆. - Modelos de programaci髇 lineal y no lineal para maximizar la eficiencia y minimizar el impacto ambiental. - Librer韆s Python: SciPy y PulP - M閠odos para evaluar el impacto ambiental de proyectos y actividades econ髆icas. - An醠isis de riesgos ambientales y modelado de escenarios. - Aplicaciones de Machine Learning en la evaluaci髇 de impacto ambiental .