Algoritmos paramétricos y no paramétricos.

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

Button Text

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

Perceptrón lineal

Método del gradiente

Stochastic Gradient Descent

Perceptrón con más de una capa

Back-propagation

Módulo 2: Árboles de decisión

Overfitting v.s. fitting

Árboles de decisión

Entropía, Gini y medidas de información (Shannon)

Random Forests

Pruning

Algoritmos paramétricos y no paramétricos.
Suscríbete al curso
Muchas gracias, hemos recibido tu mensaje
Oops! Something went wrong while submitting the form.

Fecha:

Precio:

Duración del curso:

Clase abierta

Bourbaki Finanzas Logo

Bourbaki Finanzas

Algoritmos paramétricos y no paramétricos.

Solicitar informes

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. 


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

Módulo 1: Redes neuronales

Perceptrón lineal

Método del gradiente

Stochastic Gradient Descent

Perceptrón con más de una capa

Back-propagation

Módulo 2: Árboles de decisión

Overfitting v.s. fitting

Árboles de decisión

Entropía, Gini y medidas de información (Shannon)

Random Forests

Pruning

Profesores del curso

No items found.

Próxima fecha

Foto decorativa del formulario
Solicita información
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Contacto