Main

Data Mining 2019

CENTRO DE INVESTIGACIÓN Y ESTUDIOS AVANZADOS DEL IPN


Tópicos selectos en: Minería de datos
Verano 2019
Dr. Hugo Jair Escalante; hugojair(at)inaoep.mx
Horario: Martes y jueves 8:00 a 10:00 hrs.


Objetivo

Que el alumno conozca los fundamentos del aprendizaje computacional y sea capaz de proponer soluciones a problemas que lo involucran. Estar al tanto de los avances más recientes en el área.


Temario + material

0.- Organización del curso

1.- Introducción

2.- Aprendizaje supervisado - modelos lineales

3.- Árboles de decisión

4.- Aprendizaje basado en Instancias

5.- El clasificador ingenuo de Bayes

6.- DL1: Redes neuronales

7.- DL2: CNNs y otras variantes tarea 2!

8.- Máquina de soporte vectorial

9.- Evaluación y sobre ajuste

10.- Reducción de dimensionalidad

11.- Clustering documents (Material Manuel Montes) y 11.- Clustering (Material Eduardo Morales)

12.- Representaciones distribucionales y distribuidas de términos


Proyectos

Nuevo!

Información sobre proyectos del curso


Material de lectura

Bibliografía

  • C. Bishop. Pattern Recognition and Machine Learning. Springer, 2006.
  • T. Hastie, R. Tibshirani, J. Friedman. The Elements of Statistical Learning, Springer, 2009.
  • R. O. Duda, P. Hart, D. Stork. Pattern Classification. Wiley, 2001.
  • I. Guyon, et al. Feature Extraction: Foundations and Applications, Springer 2006.
  • T. Mitchell. Machine Learning. Mc Graw-Hill
  • I. Goodfellow et al. Deep Learning.  MIT Press

Estudiantes:

TBA