El curso se dictará de manera virtual.
Horario: martes y jueves de 8:15 a 10.
Comienzo: jueves 15 de agosto de 2024
Evaluación: consistirá en entrega de carpeta de ejercicios de carácter individual y obligatorio y un examen final para analizar con r o matlab un conjunto de datos con herramientas dadas en el curso.
Link para conectarse a las clases
https://salavirtual-udelar.zoom.us/j/82200967662?pwd=f5gPwbu3hz1lH3RUVtf9PtvEQ2iXP5.1
ID de reunión 822 0096 7662
Clave de acceso:
*%bE62E3Nu
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:
- Modelización. Aprendizaje Automático Supervisado y No Supervisado. Fundamentos básicos
- Matriz de datos. Análisis de datos multivariados. Distribuciones multivariadas
- Análisis de Componentes Principales. Escalado Multidimensional (MDS). ISOMAP
- Análisis de Cluster. Métodos jerárquicos, no jerárquicos. K-means. Spectral Clustering. Comparación de particiones
- Clasificación. Regresión Logística. Análisis Discriminante. K vecinos más cercanos
- Regresión lineal. Selección de variable.
- Arboles de Clasificación y Regresión
- Métodos de combinación de modelos: Bagging, Boosting, Random Forest, Stacking, Métodos de consenso.
- Support Vector Machines