INSCRIPCIONES AQU脥 馃憜

Nota: El curso empezar谩 el lunes 27 de mayo de 2019.

Google Classroom

Temario por sesiones

Bloque 1: INTRODUCCI脫N A MACHINE LEARNING (ML)

  • Conceptos b谩sicos de Inteligencia Artificial
    • Teor铆a del aprendizaje
    • Motivaci贸n hacia el uso de grandes cantidades de datos
  • Conceptos b谩sicos de Aprendizaje Autom谩tico (machine learning)
    • Tipos de ML
    • Clasificaci贸n de problemas
    • Objetivos del aprendizaje
  • Revisi贸n de herramientas basadas en Python (NumPy, scikit-learn, etc.)
    • Programaci贸n en cuadernos Jupyter
    • Implementaci贸n de 谩lgebra lineal, estad铆sticos y probabilidad en Python
  • Revisi贸n de herramientas para el tratamiento de datos
    • Divisi贸n de datos (conjuntos de entrenamiento, evaluaci贸n y validaci贸n)

Bloque 2: APRENDIZAJE SUPERVISADO

  • Regresi贸n
    • Lineal
    • Polinomial
    • Regularizadores m谩s populares (L1 y L2)
    • Entrenamiento de regresiones (descenso por el gradiente)
  • Clasificaci贸n bayesiana ingenua (Na茂ve Bayes)
  • Regresi贸n log铆stica
  • Aprendizaje supervisado basado en 谩rboles de decisi贸n y regresi贸n
    • Bosques aleatorios
    • Boosting
    • Combinaci贸n de modelos en mejores modelos
  • Medidas de evaluaci贸n de modelos supervisados
    • El dilema sesgo-varianza
    • Sobreajuste y subajuste

Bloque 3: APRENDIZAJE NO SUPERVISADO

  • Agrupamiento de datos (clustering)
    • Clustering basado en m茅tricas
    • Clustering jer谩rquico
  • Algoritmo K-Means
    • Entrenamiento
  • Algoritmo de los vecinos m谩s cercanos (KNN)
    • Entrenamiento
  • Reducci贸n dimensional de conjuntos de datos
    • PCA
    • Visualizaci贸n de datos

Bloque 4: INTRODUCCI脫N A REDES NEURONALES

  • El perceptr贸n
    • Intuici贸n como clasificador lineal y limitaciones
    • Perceptrones multicapa
  • Entrenamiento de perceptrones multicapa
    • Propagaci贸n hacia atr谩s (backpropagation)
    • Descenso por el gradiente estoc谩stico (SGD)
  • Programaci贸n en Tensorflow o PyTorch o Keras
    • Uso de recursos en la nube (Google colab)
  • Vistazo a clasificaci贸n de im谩genes
    • Redes neuronales convolucionales
  • Vistazo a entendimiento del lenguaje natural
    • Redes recurrentes y LSTMs
  • La importancia de una buena representaci贸n vectorial de los datos
  • Problemas abiertos en academia y oportunidades en industria

Colab - Jupyter Notebooks