Aprendizaje Automático para el Análisis de Datos
Prácticas
_____________________________________________________________________________________
Aprendizaje Automático con R:
PR 1. Breve repaso de R (PDF)
PR 2. Entrenamiento y test de árboles y KNN con librerías de R (PDF)
PR 3. Ejemplo de código R para árboles (TXT)
PR 4. Conjunto de datos de tenis para PR-F-R003 (TXT)
PR 5. Ejemplo de uso de lapply para normalizar datos (TXT)
Tutoriales de MLR:
PR 6. Tutorial MLR con ejercicios pero sin respuestas (PDF) (RMD)
PR 7. Tutorial MLR con ejercicios y respuestas (PDF) (RMD)
PR 8. Ajuste de hiper-parámetros para Gradient Boosting (PDF) (RMD)
PR 9. Ajuste de hiper-parámetros para Random Forests (PDF) (RMD)
PR 10. Ajuste de hiper-parámetros para SVMs (PDF) (RMD)
MLR para muestras desbalanceadas:
PR 11. Tutorial MLR con muestras desbalanceadas (PDF) (RMD)
Tutorial de Spark con R:
PR 12. Tutorial dplyr (PDF) (RMD)
PR 13. Tutorial sparklyr (RMD)Prácticas:
PR 14. Práctica 1 (PDF).
Práctica con MLR.
PR 15. Práctica 2 (PDF).
Práctica con MLR y muestras desbalanceadas.
PR 16. Práctica 3 (PDF).
Práctica con sparklyr.
PR 17. Datos mamography (URL).
Datos necesarios para hacer la práctica 2.
PR 18. Data Mining: Practical Machine Learning Tools and Techniques (second edition). Ian Witten y Eibe Frank. Morgan Kauffman 2005.
Libro sobre aprendizaje automático y la herramienta WEKA.
PR 19. Applied Predictive Modelling. Max Kuhn and Kjell Johnson. Springer. 2013.
Libro sobre aprendizaje automático en R.
PR 21. Tutorial dplyr. (URL)
PR 22. Tutorial dplyr (YouTube).
PR 23. Sparklyr page. (URL)
PR 24. Tutorial Sparklyr (YouTube).