Reconocimiento de Patrones y Aprendizaje Automático


Esta es la página para el curso de Reconocimiento de patrones y aprendizaje automático.

Información general


Sesiones


  1. De vectores, matrices y modelos
  2. Regresión lineal y, sub y sobre ajuste
  3. Polinomios, regularización y naive Bayes
  4. GNB, logistic regression, training
  5. Árboles de decisión y métodos de ensamble
  6. Máquinas de soporte vectorial
  7. Clustering, reducción dimensional y visualización
  8. Matriz de factorización y LDA
  9. Redes neuronales
  10. Redes convolucionales
  11. Long Short Term Memory

Sesiones ejercicios

  1. Semana uno
  2. Semana dos
  3. Semana tres
  4. Semana cuatro

Sesiones laboratorio

  1. Semana uno
  2. Semana dos
  3. Semana tres

Bibliografía

  • Alpaydin, Ethem, Introduction to Machine Learning, 2a Ed., The MIT Press, 2010.
  • Bishop, Christopher M., Pattern Recognition and Machine Learning, Springer, 2007.
  • Duda, R. O., P. E. Hart y D. Stork, Pattern Classification, 2a Ed., Wiley, 2001

Más extensa:


Recursos externos

  1. Links interesantes en el tema

Cursos anteriores