Aprendizaje Computacional 2


Profesores:
Eduardo F. Morales
emorales (AT) inaoep.mx

Hugo Jair Escalante
hugojair (AT) inaoep.mx



Descripción general: Ver introducción


El objetivo general de curso es conocer técnicas de aprendizaje computacional no vistas en el curso introductorio y actualizarse en las tendencias del área. En este curso se van a ver algunos temas recientes de Aprendizaje Computacional. El temario de este curso varía cada año dependiendo de las últimas tendencias del área.

El temario para el 2021 (no necesariamente en este orden) es:

  1. Introducción (slides), Sub-modular (slides), Parametric (slides)
  2. Ensembles (slides)
  3. Transfer Learning (slides)
  4. Semi-supervised Learning (slides)
  5. Multi-label (slides)
  6. Evolutionay ML (slides)
  7. Model Selection and Auto ML (slides)
  8. Inductive Logic Programming (slides)
  9. Reinforcement Learning (slides)
  10. Deep Learning (slides)
  11. Deep Reinforcement Learning (slides)
  12. Recent advances and perspectives (slides)
  13. Entrega de proyectos (Ver lista de proyectos)
La evaluación del curso es con base en un proyecto relacionado a la temática vista en el curso.

Proyecto Final: