Programa

Acciones de Documento
  • Marcadores (bookmarks)
  • Exportación de LTI
Autor: Ricardo Aler Mur
Programa de la asignatura: Temas que forman parte de la asignatura.
  1. Introducción al aprendizaje automático. Tareas y conceptos básicos

  2. Métodos básicos para clasificación y regresión: árboles y reglas

  3. Métodos básicos para clasificación y regresión: k-nearest neighbors

  4. Metodología: entrenamiento, evaluación, ajuste de hiper-parámetros

  5. Pre-proceso de datos:

    1. De instancias (muestreado, filtrado, etc.)
    2. De atributos (imputación, normalización, etc.)
    3. Selección de atributos (filter y wrapper)
  6. Métodos avanzados para clasificación y regresión:

    1. Ensembles: bagging, boosting, stacking
    2. Otros: redes de neuronas, máquinas de vectores de soporte
  7. Clasificación y evaluación con muestras desbalanceadas. Curvas ROC.

  8. Introducción a técnicas de Big Data: MapReduce y Spark

Reutilizar Curso
Descargar este curso