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.
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.
Perceptrón lineal
Método del gradiente
Stochastic Gradient Descent
Perceptrón con más de una capa
Back-propagation
Overfitting v.s. fitting
Árboles de decisión
Entropía, Gini y medidas de información (Shannon)
Random Forests
Pruning
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.
Perceptrón lineal
Método del gradiente
Stochastic Gradient Descent
Perceptrón con más de una capa
Back-propagation
Overfitting v.s. fitting
Árboles de decisión
Entropía, Gini y medidas de información (Shannon)
Random Forests
Pruning