- Mathematical optimization and symbolic computing
- Linear Regression
- Logistic Regression
- Neural Networks
- Regularization and performance evaluation
- Kernel methods
- Ensemble methods
- Learning representations
- Deep learning
35% Problemsets 2-5
35% Problemsets 6-8
30% Data analytics project
Sesiones segunda parta del curso
- 5/oct 2pm-5pm Kernel Methods
- 6/Oct (sabado) 1pm-3pm Dataset
- 12/oct 2pm-5pm Ensemble Methods
- 19/oct 2pm-5pm Learning the representation
- 26/oct 2pm-5pm Dataset
- 2/nov 2pm-5pm CNN
- 9/nov 2pm-5pm Revisión tarea dataset y de otras técnicas (clustering, PCA; RNN)
Entregas:
- 7 Oct (domingo) 11pm talleres 2-5
- 12 Nov (lunes) 11pm talleres 6-9
- 18 Nov (domingo) 11pm dataset
Usaremos esta máquina virtual que tiene instalado un entorno Python Anaconda con Jupyter Notebooks disponibles en localhost:8008 una vez que la máquina arranca.
Observa la configuración de la máquina
- Si tu máquina física tiene al menos 4GB de memoria configura la máquina virtual con 2GB de memoria
- Aunque casi no necesitarás un terminal, el interfaz de Jupyter Notebooks tiene un terminal para acceder a través del navegador. En cualquier caso, la máquina virtual tiene un servidor SSH en el puerto 2222 con user/user como usuario y pwd. Si tu máquina física es mac o linux usa
ssh -p 2222 user@localhostpara conectarte. Si es windows, usa putty - Si compartes una carpeta entre la física y virtual asegúrate que el nombre cone el que se comparte sea
share(aunque el nombre de la carpeta en la máquina física puede ser distinto)
Deberás de abordar un problema de analítica de datos, 1) elegir dataset, 2) definir tarea, 3) implementar la analítica de datos. El resultado ha de ser un notebook ejecutable que contenga, preprocesado (latent semantics y/o transformaciones), varios algoritmos de clasificación o regresión, análisis de rendimiento y curvas de aprendizaje.
Hay muchas fuentes de datos y sitios de competiciones de machine learning en internet, entre ellas: kaggle, kdnudgets
Un archivo llamado PROJECT.zip que contenga:
- Un archivo PDF llamado PROJECT_report.pdf con las siguientes secciones:
Sección 1: Descripción del problema
- el problema a abordar (p.ej. los fallos en producción de una fábrica suponen un coste de tanto)
- el dataset (p.ej. datos de ventas + datos de sensores en máquinas de producción)
- la tarea de machine learning (p.ej. detectar anomalías en producción y medir su impacto en costes)
Sección 2: Desarrollo del proyecto
- descripción del preprocesado de datos.
- estrategias de generación de modelos predictivos.
- resúmen de resultados predictivos y su impacto en el problema abordado.
- Una carpeta llamada PROJECT_notebooks_and_data donde se incluyan los notebooks y datos que realizaste para el desarrollo del proyecto, desde los cuales se puedan reproducir los resultados que expongas en el reporte final.
TUS RESULTADOS HAN DE SER REPRODUCIBLES, si no es así, LA ENTREGA NO SERÁ VÁLIDA
Criterios de evaluación (mismo peso cada uno):
- Claridad y concisión del reporte.
- Coherencia de la evidencia analítica generada (i.e. estabilidad de los resultados de predicción, corrección de los procesos de validación y selección de modelos, etc.).
- Reproducibilidad de los resultados