Aprendizaje Automático para el Análisis de Datos
Material de clase
_____________________________________________________________________________________
Presentación e introducción
0. Breve descripción de contenidos (PDF)
1. Tareas en aprendizaje automático (PDF)
Métodos básicos para clasificación y regresión
2. Breve descripción de contenidos (PDF)
2.1 Árboles y reglas (PDF)
3. K-nearest neighbor (k-vecinos más cercanos) (PDF)
Metodología (entrenamiento, evaluación, ajuste de hiper-parámetros)
4. Breve descripción de contenidos (PDF)
Preproceso de datos
5. Breve descripción de contenidos (PDF)
Métodos avanzados para clasificación y regresión (Bagging, Boosting, SVMs y Redes de Neuronas)
6. Breve descripción de contenidos (PDF)
6.1. Bagging, Boosting (PDF)
7. Support Vector Machines (PDF)
8. Redes de Neuronas (PDF)Clasificación con muestras desbalanceadas. Curvas ROC.
9. Breve descripción de contenidos (PDF)
Introducción a técnicas de Big Data: MapReduce y Spark