El objetivo del curso es presentar los diferentes tipos de técnicas de aprendizaje automático, y la metodología y herramientas para su aplicación. Se presentarán diferentes métodos de aprendizaje supervisado y no supervisado, aplicados a conjuntos de datos reales. Se utilizarán bibliotecas de código abierto para el lenguaje de programación Python a los efectos de aplicar el conocimiento adquirido sobre diferentes conjuntos de datos disponibles públicamente, evaluando e interpretando los resultados.
El objetivo del curso es presentar los diferentes tipos de técnicas de aprendizaje automático, y la metodología y herramientas para su aplicación. Se presentarán diferentes métodos de aprendizaje supervisado y no supervisado, aplicados a conjuntos de datos reales. Se utilizarán bibliotecas de código abierto para el lenguaje de programación Python a los efectos de aplicar el conocimiento adquirido sobre diferentes conjuntos de datos disponibles públicamente, evaluando e interpretando los resultados.
-
Introducción al Aprendizaje Automático. Métodos supervisados y no supervisados. Clasificación y regresión. Metodología para el aprendizaje. Evaluación.
-
Clasificación y regresión utilizando Árboles de Decisión y Random Forests.
-
Aprendizaje Bayesiano
-
Aprendizaje basado en casos.
-
Clustering
-
Regresión lineal y regresión logística. Aprendizaje.
-
Introducción a las Redes Neuronales
Para todos los estudiantes:
-
Entregas de trabajos (grupal)
-
Prueba escrita individual.