Aprendizaje Máquina
Objetivo:
Las técnicas de aprendizaje máquina se han vuelto un tema de estudio importante en las ciencias computacionales debido tanto a sus profundas implicaciones teóricas como también a la aplicabilidad de estas técnicas para la resolución de problemas de la vida real. Este curso presenta las principales técnicas y algoritmos asociados con aprendizaje máquina, los cuales serán ilustrados con una amplia variedad de aplicaciones. Se espera que al final de este curso, un estudiante tendrá el conocimiento necesario para aplicar las técnicas revisadas aquí en problemas reales.
Contenido:
- Regresión
- Aprendizaje Bayesiano
- Métodos no paramétricos
- Discriminantes lineales y máquinas de soporte vectorial
- Redes neuronales
- Árboles de decisión
- Selección de características y de modelo
- Introducción a la teoría de aprendizaje
- Métodos de aprendizaje no supervisado
Bibliografía:
- Tom M. Mitchell: Machine Learning. McGraw-Hill International Edition, 1997
- Duda Hart and Stork: Pattern Classification. Wiley 2000
- Simon Haykin: Introduction to Neural Networks. Prentice Hall, 1998
- T. Hastie, R. Tibshirani and J. Friedman : The Elements of Statistical Learning. Springer-Verlag 2001.
-
