Artboard 1 copy 7.png
Algoritmos paramétricos y no paramétricos.

​Objetivos

1. Familiarizar al alumno con las ideas y algunos de los métodos más eficaces y en Ciencia de Datos utilizando dos ejemplos fundamentales: Deep learning y árboles de decisión.

2. Que el alumno sea capaz de comprender el trasfondo teórico de los algoritmos elegidos con el fin de ofrecerle autonomía para estudiar y aprovechar sus cualidades.

3. Invitar al alumno a las ideas y el formalismo de técnicas más elaboradas tales como: pruning, stochastic gradient descent o back-propagation. 


Temario

Módulo 1: Redes neuronales

  1. Perceptrón lineal

  2. Método del gradiente

  3. Stochastic Gradient Descent

  4. Perceptrón con más de una capa

  5. Back-propagation

Módulo 2: Árboles de decisión

  1. Overfitting v.s. fitting

  2. Árboles de decisión

  3. Entropía, Gini y medidas de información (Shannon)

  4. Random Forests

  5. Pruning

Contacto

CDMX, México.

  • Facebook icono social