Aprendizaje automático

Objetivo: Se estudiarán los principales algoritmos para la realización de aprendizaje supervizado aplicado a la tarea de reconocimiento de imágenes. Se utilizará el lenguaje de programación python. Se pondrá enfásis en la teoría detrás de cada algoritmo y la forma de extraer el modelo para aplicarlo en otros ambientes (como en un programa escrito en C).

Contenido:

1. Introducción al aprendizaje automático

2. Aprendizaje supervisado
   1. La regresión lineal
   2. Clasificación usando el algoritmo de regresión logística
   3. Clasificación usando el algoritmo de k vecinos más cercanos

3. Representación de datos
   1. Preprocesamiento, normalización.
   2. Reducción de la dimensionalidad usando el análisis de componentes principales
   3. Representación de variables no numéricas

4. Máquinas de vectores soporte
   1. El problema multiclase

5. Árboles de decisión

6. Aprendizaje bayesiano

7. Redes neuronales

8. Combinación de algoritmos en un ensamble

9. Aprendizaje profundo

Bibliografía

• Pattern Recognition and Machine Learning, C.M. Bishop, Springer, 2011.
• Introduction to Machine Learning with Python: A Guide for Data Scientists, M. Andreas C, S. Guido, O'Reilly, 2016.
• Machine Learning for OpenCV, M. Beyeler, Packt Publishing, 2017.
• An Introduction to Statistical Learning: With Applications in R, G. James, D. Witten, T. Hastie, R. Tibshirani, Springer, 2017.