Curso 2021/22 (Presencial)
Ronaldo Armando Canizales Turcios, Universidad Centroamericana “José Simeón Cañas”
Este taller tiene reconocido 1.5 crédito ECTS y requiere inscripción.
Las sesiones se pueden seguir empleando software libre y material disponible online.
El listado del material e instrucciones están disponibles en github: curso Machine Learning).
Los asistentes deberán acudir a las distintas sesiones con su ordenador portatil y conexión wifi configurada para tener acceso al material anterior.
Para poder optar al reconocimiento de los créditos será necesario asistir al menos al 80% de las sesiones y realizar aquellas tareas que se indicarán en el curso.
*PROGRAMA:
-15 de NOVIEMBRE de 2021 de 17:00h - 18:30h y 19:00h - 20:30h, Aula A06 Fac. Ciencias
Introducción:
1. Desmitificando el aprendizaje de máquina: conceptos relacionados.
2. ¿Qué tipo de problemas de la vida real pueden resolverse con IA?
3. Etapas de un proyecto de Ciencia de datos y ML.
4. Un vistazo empírico al aprendizaje de máquina.
5. Árbol de decisión utilizando datos en tiempo real.
6. Mi primer árbol de decisión: clasificar perfiles académicos.
-16 de NOVIEMBRE de 2021 de 17:00h - 18:30h y 19:00h - 20:30h, Aula A06 Fac. Ciencias
Aprendizaje suvervisado:
1. Aprendizaje supervisado: modelos y conceptos.
2. Estimación de propinas mediante varios modelos de ML: regresión lineal, k-vecinos más cercanos, bosques aleatorios y máquinas de soporte vectorial.
3. Conceptos estadísticos útiles: matrices de confusión, curvas ROC y Lift.
4. Aprendizaje supervisado: predicción de abandono de clientes.
-17 de NOVIEMBRE de 2021 de 17:00h - 18:30h y 19:00h - 20:30h, Aula A06 Fac. Ciencias
Redes de neuronas artificiales:
1. Redes de neuronas artificiales: modelos y conceptos.
2. Aplicación de las RNA como aproximadores universales.
3. Comprendiendo las RNA mediante el Deep Playground.
4. Mi primer RNA: comprobación de autenticidad de notas de banco.
-18 de NOVIEMBRE de 2021 de 17:00h - 18:30h y 19:00h - 20:30h, Aula A06 Fac. Ciencias
Afrontando problemas de la vida real:
1. Ingeniería de características: cancelación de préstamos.
2. Datos desbalanceados: detección de fraude.
3. Tratamiento de series temporales: predicción de precios.
4. Reducción de dimensionalidad: Introducción al aprendizaje no supervisado.
5. Aplicando análisis de componentes principales.
-19 de NOVIEMBRE de 2021 de 10:00h - 11:30h y 12:00h - 13:30h, Aula 105 ETS de Ingeniería de Caminos, Canales y Puertos
Aprendizaje no supervisado y métodos de ensamble:
1. Aprendizaje no supervisado: clusterización.
2. Agrupación no supervisada de perfiles económicos: k-medias.
3. Clusterización utilizando datos en tiempo real.
4. Aplicando clusterización mediante k-medias.
5. Métodos de ensamble: modelos y conceptos.
6. Cierre del curso: siguientes pasos.