Contenido del curso

• Predicción de datos

  • Aprendizaje supervisado y no supervisado.
  • Bases de datos de aprendizaje y de testing.
  • Evaluación de la calidad e índices de calidad.
• Modelo de vecinos cercanos

  • Estructura general.
  • Valor de K.
  • Algoritmo de aprendizaje.
• Máquinas vectoriales

  • Soporte vectorial.
  • Discriminante.
  • Problemas de optimización.
  • Máquinas no separables.
• Árboles de decisión

  • Algoritmos.
  • Árboles de regresión.
• Consenso y Potenciación

  Consenso.
  Aleatoriedad.
  Impulso.
  Potenciación.

• 5 clases
• 25 horas