Introducción al Machine Learning y Tratamiento de Datos para Ingenieros
Temática del curso:
Capítulo 1: Introducción al Aprendizaje Automático
Tema 1. Introducción al aprendizaje automático
Capítulo 2: Evaluación de algoritmos de Aprendizaje
Tema 2. Evaluación de algoritmos de regresión
Tema 3. Evaluación de algoritmos de clasificación
Capítulo 3: Técnicas de Aprendizaje Supervisado para clasificación
Tema 4. Aprendizaje supervisado: regresión con árboles de decisión
Tema 5. Aprendizaje supervisado: regresión con random forests
Capítulo 4: Técnicas de Aprendizaje Supervisado para clasificación
Tema 6. Aprendizaje supervisado: clasificación con Naive Bayes
Tema 7. Aprendizaje supervisado: clasificación con árboles de decisión
Tema 8. Aprendizaje supervisado: clasificación con random forests
Tema 9. Aprendizaje supervisado: clasificación con máquinas vector
Tema 10. Aprendizaje supervisado: clasificación con redes de neuronas.
Capítulo 5: Técnicas de Aprendizaje no Supervisado
Tema 11. Técnicas de aprendizaje no supervisado: Agrupamiento k-medias
Tema 12. Técnicas de aprendizaje no supervisado: Agrupamiento jerárquico
Capítulo 6: Aprendizaje por refuerzo
Tema 13. Aprendizaje por refuerzo.
Capítulo 7: Optimización de algoritmos
Tema 14. Optimización de algoritmos.
Capítulo 8: Detección de Anomalías
Tema 15. Técnicas de detección de anomalías: Isolation Forest.