Aprendizaje y Clasificación Automática (2023-24-II)

7 students Last updated dic. 2023

JRJESUS GILBERTO RODRIGUEZ ESCOBEDO

About the course

Objetivos generales

Al finalizar el curso el estudiante:

Conocerá, entenderá, y aplicará algunas de las técnicas más populares de aprendizaje automático supervisado, tales como: Estimación Bayesiana, Redes Neuronales, y Algoritmos Genéticos.
Visualizará, entenderá, y resolverá problemas de estimación de parámetros y clasificación en contextos científicos y prácticos en la ingeniería utilizando técnicas y herramientas de cómputo numérico modernas.

Course content

Secciones: 13

•

Actividades: 8

•

Recursos: 33

Programa del Curso
Calendario de Clases

¿Qué es machine learning? Aprendizaje automático
¿Qué es el Machine Learning?¿Y Deep Learning? Un mapa conceptual
Material de Aprendizaje Automático
Tarea 1: Leer capitulo 1 del libro "Clasificación de Patrones" de Duda y hacer un breve resumen (26-01-2024)

Aprendizaje automático con R | Machine Learning with R | IBM Machine Learning with R Certification
Curso Aprendizaje Automático y Ciencia de Datos
Teorema de Bayes y clasificador de Bayes ingenuo
Ejemplo Naive-Bayes-Detector Spam (en Excel)
Ejemplo Naive-Bayes-Detector Spam (en R - colab)
Tarea 2. Resolver el siguiente problema de Nave-Bayes con dos categorías (02-02-2024)

Método de máxima verosimilitud
Estimación por Máxima Verosimilitud
Estimación Máximo Verosímil en Excel
Estimación por Máxima Verosimilitud en R
Estimación por Máxima Verosimilitud en R
Ejemplo Funciones de costo y riesgo esperado
Tarea 3. Utilizando la clasificación Nave-Bayes con cuatro o más categorías con datos del COVID en México (09-02-2024)

Tarea 4. Clasificación no paramétrica de los k-Vecinos mas cercanos (20-02-2024)

Introducción a las Redes Neuronales Artificiales 1a. Parte (video de apoyo)
Introducción a las Redes Neuronales Artificiales 2a. Parte (video de apoyo)
Introducción a las Redes Neuronales Artificiales 3a. Parte (video de apoyo)
Curso de Redes Neuronales Artificiales (video de apoyo)
Artificial Neural Networks Course (video de apoyo)
Perceptrón simple (video de apoyo)
Perceptrón multicapa (video de apoyo)

Sistemas Neurodifusos (curso de redes neuronales)
Jugando con Redes Neuronales Artificiales (video de apoyo)
Introducción a la Red de propagación hacia atrás: Backpropagation (video de apoyo)

Tarea 5. Entrenamiento y predicción de una Red Neuronal Artificial para reconocimiento de figuras (07-03-2024)
Exposición y entrega de material de propuestas del proyecto (06-03-2024)

Machine Learning con Tensorflow y R, presentado por RStudio
TensorFlow para R
Ejemplo de Entrenamiento de una Red Neuronal para reconocimiento de imágenes en Tensorflow
Tarea 6: Entrenamiento y predicción de una Red Neuronal Artificial para reconocimiento de Fotos con Tensorflow en Coloab (15-03-2024)

Ejemplo de Clasificación de Textos
Carpeta de Frases

Clasificación desequilibrada: detección de fraude con tarjetas de crédito

Exposición y entrega de material del proyecto. Primer avance (02-05-2024)

Algoritmos Genéticos

Instructors

JR
21 courses
189 students
JESUS GILBERTO RODRIGUEZ ESCOBEDO

Opciones de inscripción

Aprendizaje y Clasificación Automática (2023-24-II)

Aprendizaje y Clasificación Automática (2023-24-II)

Course modified date: 23 dic. 2023

Objetivos generales

Al finalizar el curso el estudiante:

Conocerá, entenderá, y aplicará algunas de las técnicas más populares de aprendizaje automático supervisado, tales como: Estimación Bayesiana, Redes Neuronales, y Algoritmos Genéticos.
Visualizará, entenderá, y resolverá problemas de estimación de parámetros y clasificación en contextos científicos y prácticos en la ingeniería utilizando técnicas y herramientas de cómputo numérico modernas.

Estudiantes inscritos: 7