TIMELINE COMPARISON

Módulo Machine Learning

timetable

¿QUÉ ESPERO APRENDER?

sesión

tema

Introducción a la inteligencia artificial y machine learning

¿Cómo plantear un proyecto de ML?

¿Cómo particiono mi conjunto de datos y obtengo una evaluación confiable de mi modelo?

Conjuntos de entrenamiento, validación y prueba

Aprendizaje no supervizado: algoritmo k-means

¿Cómo agrupo datos con características similares ?

¿Cómo encuentro la línea (o curva) óptima que refleje la relación entre variables?

Problemas de regresión

¿Cómo predecir la clase de una variable objetivo aprendiendo reglas de decisión simples inferidas de las características de los datos?

Árboles de decisión

¿Cómo predecir la clase de una variable objetivo a partir de una red neuronal?

Redes neuronales

Modelos de machine learning para la clasificación

¿Cómo elijo el mejor modelo de ML?

Fundamentos de procesamiento de imágenes y redes neuronales convolucionales

Construir una red neuronal convolucional para la clasificación de imágenes

Examen y dudas

Círculo de estudio

10

Checkpoint

Presentación de proyectos

Lorem ipsum dolor

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod.

• Lorem ipsum dolor sit amet.
• Consectetur adipiscing elit.
• Sed do eiusmod tempor incididunt ut.
• Labore et dolore magna aliqua.

Algoritmo K-means

Tengo un conjunto de datos sin etiquetar y quiero categorizarlos con base a similaridad de cracterísticas.

Aplicaciones

• segmentación de clientes,
• detección de fraude
• detección de anomalías
• optimización de rutas

Regresión

Quiero encontrar la relación que existe entre una variable dependiente respecto de una variable independiente.

Lineal

Polinomial

Un subtítulo genial aquí

Redes Neuronales Multicapa

Tengo un dataset que consiste en un conjunto de muestras descritas por características y cada muestra tiene asignada una etiqueta. Lo que quiero es obtener un modelo de red neuronal tal que dada una nueva muestra se obtenga una resultado de clasificación