Select Page
Proyecto IA4LEGOS

Machine Learning con Python

Objetivos: Resolver problemas de predicción y clasificación de poblaciones.

Contenidos: Los contenidos del curso se han estructurado en tres bloques:

Bloque 1: Fundamentos del machine learning.

  1. Introducción al machine learning. Bancos de datos.
  2. Librería Scikit-Learn para el aprendizaje automático.

Bloque 2: Aprendizaje supervisado.

  1. Modelos de regresión lineal.
  2. Modelos de regresión robustos y no lineales.
  3. Modelos de regresión regularizados: lasso, rigde, y elastic-net.
  4. Modelos de regresión logística para respuesta binomial.
  5. Modelos de regresión logística para respuesta multinomial.
  6. Modelos Naïve Bayes para problemas de clasificación.
  7. Modelos de k vecinos más cercanos (kNN) para problemas de clasificación.
  8. Modelos de bosques aleatorios para problemas de clasificación.
  9. Modelos de bosques aleatorios para problemas de regresión

Bloque 3: Aprendizaje no supervisado.

  1. Reducción de la dimensión: Componentes principales lineales.
  2. Reducción de la dimensión: Modelos de componentes principales avanzados.
  3. Búsqueda de patrones: Análisis clúster jerárquico.
  4. Búsqueda de patrones: K-means y DBSCAN.