• Link para entrar a la clase:
      https://salavirtual-udelar.zoom.us/j/86504817056?pwd=UWnujguafTHA63MDdEPgfKKbfVGfig.1

      ID de la reunión: 865 0481 7056

      clave de acceso: SRd1Su++7*



      Libros para descargar:

      An Introduction to Statistical Learning with applications in R: de James, Witten, Hastie y Tibshirani:

      https://www.stat.berkeley.edu/~rabbee/s154/ISLR_First_Printing.pdf


      Análisis de Datos Multivariantes de Daniel Peña:
      https://www.researchgate.net/publication/40944325_Analisis_de_Datos_Multivariantes



      Docente: Juan Kalemkerian, jkalem@fing.edu.uy

      Créditos: 10

      Temario: 

      1. Modelización. Aprendizaje Automático Supervisado y No Supervisado. Fundamentos básicos
      2. Matriz de datos. Análisis de datos multivariados. Distribuciones multivariadas
      3. Análisis de Componentes Principales. Escalado Multidimensional (MDS). ISOMAP
      4. Análisis de Cluster. Métodos jerárquicos, no jerárquicos. K-means. Spectral Clustering. Comparación de particiones
      5. Clasificación. Regresión Logística. Análisis Discriminante. K vecinos más cercanos
      6. Regresión lineal. Selección de variable.
      7. Arboles de Clasificación y Regresión
      8. Métodos de combinación de modelos: Bagging, Boosting, Random Forest, Stacking, Métodos de consenso.
      9. Support Vector Machines