1. martes, 12 oct 2021
2. jueves, 14 oct 2021
3. martes, 19 oct 2021
4. jueves, 21 oct 2021
5. martes, 26 oct 2021
6. jueves, 28 oct 2021
7. jueves, 04 nov 2021
8. martes, 09 nov 2021
9. jueves, 11 nov 2021
10. martes, 16 nov 2021
11. jueves, 18 nov 2021
12. martes, 23 nov 2021

Introducción

En este curso se estudiarán los conceptos básicos del machine learning y de su aplicación exitosa. Se estudiarán fundamentos de técnicas probadas como regresión, redes neuronales, árboles de decisión y técnicas de agregación de árboles como bosques aleatorios y boosting.

Objetivo(s) de aprendizaje

Se entenderán las ideas básicas para análisis predictivo desde el punto de vista de machine learning, incluyendo la construcción de modelos y su validación predictiva. Se entenderán los conceptos que hay detrás de técnicas probadas de machine learning, en qué casos funcionan, y cuáles son los elementos básicos necesarios para implementar exitosamente proyectos de machine learning.

Dirigido a

Personas que buscan una introducción a machine learning desde un punto de vista de principios básicos, que hayan tomado al menos un curso de probabilidad, y preferentemente tengan alguna experiencia en análisis de datos y regresión.

Temario

El curso está dividido en 12 sesiones, cada una de 2 horas. A continuación se enlistan los temas que cubriremos en cada sesión:

Sesión 1

• Introducción a machine learning
• Aprendizaje supervisado y no supervisado

Sesión 2

• La tarea predictiva fundamental y su evaluación
• Desempeño de modelos predictivos en el contexto de un problema de decisión

Sesión 3

• Métodos basados en regresión vs métodos locales

Sesión 4

• Subajuste y sobreajuste

Sesión 5

• Ingeniería de entradas para modelos predictivos
• Regularización

Sesión 6

• Problemas de clasificación. Tipos de error y evaluación

Sesión 7

• Probabilidad en problemas de clasificación. Intervalos predictivos

Sesión 8

• Introducción a redes neuronales

Sesión 9

• Ideas básicas para redes neuronales profundas

Sesión 9

• Árboles de decisión

Sesión 10

• Bosques aleatorios

Sesión 11

• Métodos de boosting para árboles

Sesión 12

• Discusión de otros métodos
• Implementación exitosa de proyectos de machine learning

Profesor(a)

Luis Felipe González Pérez

Formato: Curso modo virtual