Aprendizaje Computacional 2


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

Hugo Jair Escalante
hugojair (AT) inaoep.mx



Descripción general:


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 2018 es:

  1. Ensambles (láminas)
  2. Semi-supervised Learning (láminas)
  3. Evolutionary ML (láminas)
  4. Model Selection, Autonomous ML (láminas 1, láminas 2)
  5. Multi-Objective optimization and prototype generation (láminas)
  6. Reinforcement Learning (láminas)
  7. Bag of Visual Words - Language and Vision (láminas)
  8. Inductive Logic Programming (láminas)
  9. Meta-heuristics (láminas)
  10. Search (láminas)
  11. Gaussian Processes (láminas)
  12. Transfer Learning (láminas)
  13. Multi-label learning (láminas)
  14. Sub-modular, function maximization (láminas)
  15. Deep Learning 2 (láminas)
  16. Recent advances and perspectives (láminas)
  17. Entrega de proyectos (Ver lista de proyectos)
La evaluación del curso es en base a un proyecto relacionado a la temática vista en el curso.

Proyecto Final: