Aprendizaje Computacional
Eduardo Morales, Hugo Jair Escalante
Objetivos
El área de aprendizaje en general trata de construir programas
que mejoren su desempeño automáticamente con la experiencia.
Los objetivos del curso son:
- Dar un panorama general de lo que es aprendizaje computacional y
- Conocer a detalle las técnicas más importantes empleadas.
Temario
- Introducción a Aprendizaje Computacional
- Técnicas Principales
- Árboles de decisión y regresión
- Reglas de clasificación
- Reglas de asociación
- Clustering
- Clasificación basada en instancias
- Métodos Bayesianos
- Redes neuroanles
- SVM (máquinas de soporte vectorial)
- Temas Relacionados
- Evaluación de algoritmos
- LDA y PCA
- Selección de atributos
- Preámbulo a otras técnicas
Técnicas no Vistas
- Algoritmos genéticos
- Ensambles de clasificadores
- Aprendizaje por refuerzo
- Programación Lógica Inductiva
- Aprendizaje semi-supervisado
- Aprendizaje por transferencia
- Procesos Gaussianos
- Deep Learning
- ...
Evaluación
La evaluación se hará con base en:
- Dos examnes (2/3)
- Proyecto final (1/3)
Referencias bibliográficas
- T. Mitchell (1997) Machine Learning, McGraw-Hill.
- I.H. Witten, E. Frank (2005) Data Mining: practical machine
learning tools and techniques 2nd. Edition. Morgan Kaufmann
- J. Han, M. Kamber (2001) Data Mining: concepts and techniques,
Morgan Kaufmann.
- E. Alpaydin (2010) Introduction to Machine Learning, MIT Press
- C. Bishop (2006). Pattern Recognition and Machine
Learning. Springer.
- P. Flach (2012). Machine Learning: The art and science of
algorithms that make sense of data, Cambridge University Press.