Introducción a técnicas de machine learning supervisado

Machine Learning corresponde a un área de la Inteligencia Artificial que desarrolla programas computacionales que tienen la capacidad de aprender por sí mismos a partir de un conjunto de datos. Los métodos de Machine Learning supervisado comprenden algoritmos que permiten identificar patrones y realizar predicciones a partir de lo aprendido con datos que se encuentran etiquetados o clasificados. Estos métodos, ampliamente utilizados en la actualidad, nos permiten analizar de manera automatizada grandes bases de datos, y tienen un gran rango de aplicaciones.

Facilitar al estudiante el aprendizaje de los principales métodos de Machine Learning supervisado utilizando el software R.

• Comprender las técnicas de remuestreo y aplicarlas para la resolución de problemas.
• Conocer las bases teóricas y objetivos de los principales métodos de Machine Learning supervisado.
• Utilizar el software R para resolver problemas de regresión y clasificación mediante métodos de Machine Learning supervisado.

• Regresión lineal
• Métodos de clasificación
• Métodos de remuestreo
• Métodos basados en árboles
• Support vector machine
• Redes neuronales

Estudiantes, profesores y profesionales interesados en el aprendizaje de métodos de Machine Learning.

Conocimientos básicos de estadística y software R.

Clases expositivas teóricas en modalidad remota sincronizadas (e-learning).
Realización de ejercicios prácticos en modalidad remota con apoyo de material didáctico y
asistencia docente.
Realización de ejemplos prácticos para su desarrollo en horas fuera de clases.

• Este curso es evaluado
• Otra forma de evaluación: Prueba no presencial online