Profesor | Ruth Selene Fuentes García | lu mi vi | 12 a 13 |
Ayudante | Guadalupe Jiménez Villanueva | ma ju | 12 a 13 |
Introducción
Conceptos básicos.
Tipos de modelos. Tipos de aprendizaje: técnicas no supervisadas y supervisadas.
Visualización y Transformación de Datos
Resumen de datos.
Reducción de la Dimensión (Análisis de Componentes Principales).
Modelos lineales para regresión
Regresión Múltiple
Regresión Lasso
Técnicas de Clasificación
Modelos lineales para Clasificación dicotómica
SVM
K-vecinos
Análisis de Conglomerados
Árboles de Clasificación
Inducción y aprendizaje.Principales Algoritmos.
Árboles de Clasificación y Regresión (CART).
Bosques aleatorios
Evaluación de un Modelo
Sesgo, varianza y complejidad
BIC
Validación cruzada
Inferencia y promedio en modelos
Bootstrap
Bagging
Redes neuronales
Ajuste de redes neuronales
Redes Bayesianas
Bibliografía sugerida (se puede consultar cualquier texto sobre el tema)
Trevor Hastie
Robert Tibshirani
Jerome Friedman
Springer
Evaluaremos con tareas continuas. Habrá sesiones sincrónicas en el horario de clase.