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.