- Introducción
- Objetivo
- Estructura del Curso:
- Evaluación
- Absentismo
- Temario
- Slides
- Tareas
- Libros de Texto
- Material Especial requerido para la clase
- Políticas
En esta clase veremos técnicas avanzadas de Machine Learning y sus aplicaciones en la industria. Conoceremos tecnicas mas avanzadas de aprendizaje supervisado y no supervisado, asi como de aprendizaje reforzado.
Los estudiantes serán capaces de implementar y validar diferentes técnicas de Machine Learning en diferentes sets de datos relacionados a distintos campos. Los estudiantes conoceran la diferencia entre aprendizaje reforzado y otros tipos de aprendizaje.
Esta clase será Miércoles de 7:00 p.m a 10:00 p.m.
Clases, tareas, temario y políticas de calificaciones se encuentran disponibles en el sitio web: https://leonpalafox.github.io/ml2_class/
Estaré disponible antes de la clase en mi oficina (Mi casa), o haciendo una cita al correo electornico lpalafox@up.edu.mx.
La evaluación consistirá en:
-
El proyecto final será el 60% de la evaluación final.
- El proyecto final consistira en el uso de un técnica de Machine Learning en un set de datos de su preferencia, con su correspondiente diseño y evaluación.
- Pueden hacer equipos de hasta tres personas.
- Necesitan hacer un reporte de 3-5 paginas sobre el set de datos, el diseño y las variables usadas.
-
El restante 40% será distribuido de la siguiente forma:
- 1 Examen parcial y un examen final.
- Dos tareas.
- Participación en clase
Es obligatorio atender a todas las sesiones.
En caso de alguna situación extraordinaria se deberá platicarlo con el profesor.
- Introducción
- Bases teóricas
- Aprendizaje reforzado.
- Redes Neuronales
- Análisis Bayesiano de Datos
- Examen Final y Entrega de Proyectos
El curso no requiere de libros de texto adjuntos, sin embargo, los siguientes libros son útiles para dar seguimiento al curso:
- Bishop, Christopher M. Pattern recognition and machine learning. Springer, 2006.
- Rogers, Simon, and Mark Girolami. A first course in machine learning. CRC Press, 2011. (Esta en la biblioteca de la UP :D)
- James, Gareth, et al. An introduction to statistical learning. New York: Springer, 2013.
- Petersen, Kaare Brandt, and Michael Syskind Pedersen. The matrix cookbook. Technical University of Denmark 7 (2008): 15.
- Sutton, Richard S., and Andrew G. Barto. "Reinforcement learning: An introduction." (2011).
Se require una computadora con Python instalado.
Se pueden utilizar teléfonos y bipers, siempre y cuando no molestén al resto del salón.