OBJETIVOS

  • Introducir a los alumnos en el área del machine learning (ML).
  • Proporcionarles los conocimientos necesarios acerca de su aplicación práctica con la librería Scikit-learn y su implementación algorítmica con Python.
  • Instruirles en la aplicación del ML en proyectos reales, la preparación y tareas relacionadas necesarias y el diseño de sistemas completos de ML en producción.
  • Asentar las bases matemáticas, algorítmicas y de software necesarias para que puedan avanzar en el aprendizaje de otras áreas basadas de ML y big data, así como el pensamiento analítico relacionado con las mismas.

DIRIGIDO A

  • Desarrolladores de software.
  • Analistas de datos.
  • Ingenieros informáticos y de áreas relacionadas.
  • Matemáticos y estadistas.

REQUISITOS PREVIOS

  • Nociones básicas de programación en Python.
  • Recomendado: nociones básicas de álgebra lineal (se hará un repaso al inicio del curso con los conocimientos necesarios).

PROGRAMA

Introducción:

    • Introducción al curso.
    • Introducción al machine learning.
    • Breve introducción al análisis de datos.
    • Breve repaso al álgebra lineal.

Introducción a la ingeniería de datos:

    • Teorema de Bayes y clasificación por Naive Bayes.
    • Árboles de decisión.
    • Desviación y varianza.
    • Regularización.

Introducción a Scikit-learn y librerías numéricas en Python:

    • Entorno de trabajo.
    • Scikit-learn.
    • Numpy.
    • Matplotlib.

Aprendizaje automático supervisado:

    • Regresión lineal simple.
    • Regresión lineal múltiple.
    • Regresión logística o clasificación.
    • Redes neuronales.
    • Clasificación con SVM (Support Vector Machines).

Aprendizaje automático no supervisado:

    • Optimización por aleatoriedad.
    • Agrupación con K-means.
    • Selección y transformación de características.
    • Detección de anomalías.
    • Sistemas de recomendación.
    • Algoritmos genéticos.

Aprendizaje automático reforzado:

    • Procesos de decisión de Markov.
    • Teoría de juegos aplicada al aprendizaje automático.

Sistemas de aprendizaje automático:

    • Aplicando el aprendizaje automático:
      • Subdivisión de sets de datos para aprendizaje.
      • Métricas de evaluación.
      • Limpieza y transformación de los datos.
    • Diseño de sistemas de aprendizaje automático:
      • Guía de resolución de problemas y mejora de la precisión.
      • Evaluación del desempeño de las partes.
    • Aprendizaje automático a gran escala.
      • Proyecto final: Sistema de reconocimiento óptico de caracteres de escritura (OCR):
    • Sistema informático de reconocimiento de caracteres previamente separados para reconocimiento de escritura o dígitos.

Fechas y horarios

Fechas: Del 13 al 24 de noviembre de 2017

Horario: De lunes a viernes de 16:30h a 20:30h

Horas: 40

Fecha prevista de selección: 30 de octubre

Lugar de impartición

Centro Tecnológico de La Rioja

Avda. Zaragoza 21 Logroño

Inscripciones

El curso es gratuito, financiado por el Gobierno de La Rioja. La inscripción no garantiza la obtención de plaza en el curso, en caso de tener más inscripciones que plazas se hará una selección de los alumnos.

InscripciónEste enlace se abrirá en una ventana nueva