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:
- 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