{
    "ok": true,
    "curso": {
        "id": 75501,
        "titulo": "Modelos De Clasificación Para Riesgo",
        "area_especialidad": "Administración-Abastecimiento Y Control De Existencias",
        "fundamentacion_tecnica": null,
        "objetivos_generales": null,
        "poblacion_objetivo": null,
        "requisitos_ingreso": null,
        "tecnicas_metodologicas": null,
        "material_didactico": "Sin Información",
        "material_didactico_participantes": null,
        "infraestructura": "Sala Equipada Con 32 Sillas, Iluminación, Calefacción Y Ventilación Adecuados.Escritorio Para El Relator.Baño Para Damas Y Varones. Sala De Computación Equipada Con 30 Pc.",
        "equipamiento": "Notebook Pentium 4 O Similiar Con A Lo Menos Sistema Operativo Windows Xp Y Ms Word 2003 Proyector Y Telón Notebook I3 O Similiar Pizarra Acrílica Aire Acondicionado 12000 Btu",
        "asistencia": "75",
        "requisitos_tecnicos": null,
        "fecha_procesamiento": "2025-10-30 16:52:10"
    },
    "objetivos": [
        {
            "numero_objetivo": "1",
            "objetivo_texto": "Módulo 1: Introducción Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Aplicar Métodos De Revisión Básicos Para El Análisis De Riesgo",
            "contenido": "*Introducción Al Curso: *Revisión De Los Métodos Básicos De Estadística (Clasificación, Regresión) *Revisión De Aplicaciones *Introducción Al Trabajo Con Herramientas Estadísticas *Construcción De Modelos Simples Para Clasificación Y Regresión *Análisis E Interpretación De Resultados",
            "horas_teoricas": 2,
            "horas_practicas": 2,
            "horas_elearning": 0
        },
        {
            "numero_objetivo": "2",
            "objetivo_texto": "Módulo 2: Redes Neuronales Y Support Vector Machines Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Identificar, Comprender Y Aplicar Las Redes Neuronales Y Support Vector Machines.",
            "contenido": "*Base Teórica De Redes Neuronales Y Support Vector Machines *Desarrollo De Modelos Clásicos Con Redes Neuronales Y Support Vector Machines *Modelos Avanzados Usando Redes Neuronales Y Support Vector Machines *Introducción De Las Herramientas Computacionales Para El Trabajo Con Redes Neuronales *Construcción De Modelos Simples Para Clasificación Y Regresión *Análisis E Interpretación De Resultados *Introducción De Las Herramientas Computacionales Para El Trabajo Con Support Vector Machines *Construcción De Modelos Simples Para Clasificación Y Regresión *Análisis E Interpretación De Resultados",
            "horas_teoricas": 3,
            "horas_practicas": 5,
            "horas_elearning": 0
        },
        {
            "numero_objetivo": "3",
            "objetivo_texto": "Módulo 3 Análisis De Sobrevivencia Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Comprender, Construir Y Aplicar Modelos De Sobrevivencia Para Identificación De Clientes Riesgosos.",
            "contenido": "*Enfoque De Sobrevivencia Para La Identificación De Clientes Riesgosos *Construcción De Modelos De Clasificación Para Sobrevivencia *Aplicaciones Prácticas De Modelos De Sobrevivencia",
            "horas_teoricas": 2,
            "horas_practicas": 3,
            "horas_elearning": 0
        },
        {
            "numero_objetivo": "4",
            "objetivo_texto": "Módulo 4: Proceso Kdd (Knowledge Discovery Data) Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Comprender Y Aplicar El Proceso Kdd Para La Clasificación De Clientes Según El Riesgo Asociado A Ellos",
            "contenido": "*Clasificación De Clientes Utilizando El Proceso Kdd. *Análisis Detallado De Un Proyecto Real Para La Clasificación De Clientes.",
            "horas_teoricas": 3,
            "horas_practicas": 4,
            "horas_elearning": 0
        },
        {
            "numero_objetivo": "5",
            "objetivo_texto": "Módulo 5: Control, Clasificación De Clientes Y Utilización De Datos Del Banco. Al Término Del Presente Módulo Los Participantes Estarán En Condiciones De: *Identificar Y Aplicar El Control En La Selección De Clientes Para El Banco *Diseñar Modelos De Clasificación Para La Selección De Clientes",
            "contenido": "*Selección De Atributos Para La Clasificación De Clientes *Modelos Híbridos Combinando La Minería De Datos Con La Teoría De Juegos Para Mejorar La Clasificación De Clientes *Preparación De Los Datos Disponibles En El Banco *Diseño De Un Modelo De Clasificación",
            "horas_teoricas": 2,
            "horas_practicas": 4,
            "horas_elearning": 0
        }
    ]
}