Módulo 1: Fundamentos de Machine Learning
Lección 1 - Introducción al Machine Learning
Lección 2 - Tipos de algoritmos de Machine Learning
Lección 3 - Proceso de entrenamiento y prueba de modelos

Módulo 2: Algoritmos de Aprendizaje Supervisado
Lección 1 - Regresión Lineal
Lección 2 - Regresión Logística
Lección 3 - Máquinas de Vectores de Soporte (SVM)
Lección 4 - Árboles de Decisión
Lección 5 - Bosques Aleatorios

Módulo 3: Algoritmos de Aprendizaje No Supervisado
Lección 1 - Clustering con K-Means
Lección 2 - Análisis de Componentes Principales (PCA)
Lección 3 - Algoritmo de Agrupamiento Jerárquico
Lección 4 - Mapas Auto-Organizados (SOM)
Lección 5 - Detección de anomalías

Módulo 4: Algoritmos de Aprendizaje por Refuerzo
Lección 1 - Introducción al Aprendizaje por Refuerzo
Lección 2 - Q-Learning
Lección 3 - Deep Q-Networks (DQN)
Lección 4 - Aproximación por funciones
Lección 5 - Políticas y estrategias de aprendizaje

Módulo 5: Casos de Estudio y Aplicaciones Prácticas
Lección 1 - Aplicaciones de Machine Learning en la vida cotidiana
Lección 2 - Estudio de casos reales de implementación de algoritmos de Machine Learning
Lección 3 - Mejores prácticas en la implementación de algoritmos de Machine Learning en proyectos reales.