Aprendizaje Automático para el Análisis de Datos

_____________________________________________________________________________________

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)

1. Ensembles: bagging, boosting, stacking
2. Otros: redes de neuronas, máquinas de vectores de soporte