_____________________________________________________________________________________


  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

Last modified: Wednesday, 16 March 2022, 12:28 PM