Tópicos en Aprendizaje de Máquinas

Programa

ClaseSemana CalendarioTemaReferencias
1 Presencial4Aprendizaje Estadístico: Modelos, Conceptos y Resultados[LS] [JWHT], [HTF]: Capítulo 1.  
2 Virtual5Métodos básicos: lineales y no lineales: regresión lineal, modelo logístico, árboles y bosques aleatorios.  [JWHT], [HTF]: Capítulo 3, 4, 9, 10 y 15  
3 Presencial6Validación y Selección de Modelos[HTF]: Capítulos 7 y 8 [JWHT]: Capítulo 5
4 Virtual7Resumen e implementación en Python 
5 Presencial8Redes Neuronales (version final)[B], [DL], [Ng]
6 Presencial/Virtual9Implementación en Python[Ng]
7 Presencial10Aprendizaje Profundo[DL], [Ng]
8 Virtual11Implementación en Python[Ng]
 12Receso 
 13Semana Santa 
9 Presencial14Selección de hiperparámetros, regularización, optimización, etc. Última fecha 30%[DL], [Ng]
10 Virtual15Presentaciones Estudiantes 
11 Presencial16Estructuracion Modelos ML
[DL], [Ng]
12 Virtual17Implementación en Python[Ng]
13 Presencial18Redes Convolucionales[DL], [Ng]
14 Virtual19Implementación en Python[Ng]
15 Presencial20Redes de Secuencias
1621No hay clase 

Presentaciones adicionales

Guía Trabajo Final

Un buen articulo en minería de datos debe tener un estructura como esta:

  1. Introducción:  el problema y su relevancia, revisión de la literatura y contribución especifica del artículo en el contexto de esta literatura.
  2. Descripción de los datos.
  3. El modelo (si lo hay) y ojala algún resultado teórico.
  4. El algoritmo utilizado.
  5. Aplicación a por lo menos dos cosas: (1) Datos sintéticos y (2) Una base de datos del mundo real.
  6. Conclusiones

Un excelente ejemplo es: Uplift Modeling with Multiple Treatments and General Response Types

El estándar de edición de las publicaciones académicas es Latex. Para instalar este sistema de edición recomiendo:

  1. Descargar Latex de https://www.latex-project.org/
  2. Descargar un editor de Latex. Texmaker es bueno: http://www.xm1math.net/texmaker/
  3. Este template puede ser bueno para comenzar a modificar: KDD Template Example

Guía de la Presenetacion de la Propuesta del Trabajo Final

Esta guia esta bien alineada con la guia del trabajo final.

  1. Describir bien el problema y su relevancia.
  2. Hacer una revisión de la literatura y explicar cómo creen que con su proyecto pueden contribuir a la solución del problema y a la literatura.
  3. Descripción de las fuentes de datos y ojalá algo de estadísticas descriptivas. Hacer un análisis preliminar de la pertinencia de los datos para resolver el problema y en lo posible de la calidad de la información.
  4. Explicar bremente cual es el plan para resolver el problema (algorítmos, plan de validación, etc.) y responder si los datos y el plan son en principio apropiados,
  5. Cuáles son los resultados esperados?

 Textos

Lecturas

Recursos en Internet

UC Irvine Machine Learning Repository
R Data Minning