- PhD(c) Alejandro J. Alvarez-Socorro
- PhD(c) Tomás Vera
- Motivación.
- Herramientas básicas de análisis de datos y machine learning para empresarios.
- Caso de estudio: el negocio del vino.
- Modelos Lineales
- Caso de estudio: el negocio de los vienes raíces.
- Aprendizaje Automático (Machine Learning)
- Paradigmas de Aprendizaje.
- Agrupamiento de datos para descubrir patrones.
- Algoritmo de k-means (o k-medios).
- Aplicación: Descrubrir perfiles de clientes.
- Clasificadores.
- Algoritmo Naïve Bayes (o Bayes Ingenuo).
- Clasificación con un conjunto de datos sintético.
- Redes Neuronales tipo perceptrón.
- Aprendizaje reforzado.
- Aplicaciones del aprendizaje reforzado.
- Análisis Exploratorio de Datos: un primer approach a la industria del vino.
- Regresión lineal: predicción del valor de una propiedad (vienes raíces).
- Clustering o Agrupamiento: Descubriendo patrones en los datos con el algoritmo k-means.
- Clasificación con Naïve Bayes: El poder de las probabilidades.
- Redes Neuronales tipo perceptron.
[1] G. Luger, Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Fifth Edition, 2005.
[2] H. Billhardt, A. Fernández Gil, S. Ossowski, Inteligencia Artificial: Ejercicios Resueltos, Editorial Universitaria Ramón Areces, 2015.
[3] J. Kelleher and B. Tierney, Data Science, Essential Knowledge Series, MIT Press, 2018.