Minería de Datos y Aprendizaje Automatizado (edición 2017)

   

Materia Optativa / Curso de Posgrado 

Software a utilizar:
WEKA  (es gratuito y disponible para Windows/Linux/Mac)
> Se puede descargar e instalar en PC o notebook; viene en dos versiones, con Java Virtualmachine incluida o sin ella. 


Módulos del curso (actualización en progreso - 2017 )

> Módulo 1:  Minería de Datos y Aprendizaje Automatizado. Introducción y motivaciones (PDF blanco y negro)

   (Visión general sobre la disciplina y sus problemáticas / Position paper)

Módulo 2:  ¿Qué es machine learning? Conceptos, atributos, instancias. El formato ARFF.   (PDF)

Módulo 3:  Algunas consideraciones sobre los datos  (PDF)

Módulo 4:  Arboles de Decision (PDF)  / Arboles interactivos via UserClassifier (PDF)

    > Módulo 4c (complementario):  Filtros en WEKA (PDF )

Módulo 5:  Aprendizaje de Reglas / Asociación de reglas  ( PDF )
   - Paper ejemplo:   Using Association Rules Mining forRetrieving Genre-Specific Music Files  (FLAIRS Intl. Conf, 2017)
   - Paper ejemplo:   MIning Breast Cancer Classification Rules from Mammograms (Journal of Int. Systems, 2016)

Módulo 6:   Instance Based Learning / Aprendizaje basado en Ejemplos (PDF)
    - video ejemplo: Knn para aprendizaje de pronunciación de inglés (formato mp4)
    - Paper ejemplo: Learning k for kNN Classification (2017)

Módulo 7:    Evaluación de modelos - Consideraciones varias
    - Parte 1  (PDF)

Módulo 8:    Aprendizaje Bayesiano  (PDF)
     - Paper ejemplo: Criminal prediction using Naive Bayes theory (2016)

Módulo 9:    Reducción de Atributos - Análisis de Componentes Principales (PCA)  -  (PDF)
     - Paper ejemplo: Face Recognition using Eigenfaces (Turk&Pentland, 1991)



%%%%%%%%%%% ULTIMA ACTUALIZACION (19 - octubre - 2017) %%%%%%%%%%%%%%%%%%%%%



> Módulo 4:  Arboles de Decisión (PDF blanco y negro)
    > Módulo 4b:  Árboles de Decisión construidos interactivamente (PDF blanco y negro)
    > Módulo 4c:  Filtros en WEKA (PDF blanco y negro)


> Módulo 5:  Aprendizaje de Reglas / Asociación de reglas (PDF blanco y negro)

> Módulo 6:  Más sobre preprocesamiento de datos (PDF blanco y negro)

Módulo 7Instance-based learning / Vecinos más cercanos (PDF blanco y negro)

Módulo 8: Evaluación de modelos
    Módulo 8a: Evaluación de modelos en Datamining - Parte 1  (PDF blanco y negro)
    Módulo 8bEvaluación de modelos en Datamining - Parte 2  (PDF blanco y negro)

Módulo 9: Redes neuronales   (PDF blanco y negro)

Módulo 10: Aprendizaje Bayesiano Naïve  (PDF blanco y negro)

Módulo 11: Clustering  (PDF blanco y negro)

Módulo 12: Observaciones sobre clasificadores / Metaclasificación  (PDF blanco y negro)



Datasets para usar durante el curso (archivo .zip)

Herramientas de interés
- NetDraw: permite visualizar información de redes sociales

Videos:

- Little Robot - entrenado con algoritmos de aprendizaje automatizado (2010)
- Robot WildCat (Boston Dynamics), 2015

Bibliografía:
- "Machine Learning" (Tom Mitchell, 1997) 
- "Datamining" (Witten, Frank & Hall, 2016)
- Papers varios sobre temas específicos

Trabajos Prácticos:
- Ejercicios para practicar los distintos conceptos vistos. 





  



Comments