M4. Machine Data Learning

Las técnicas de aprendizaje computacional son el corazón del 'big data' ya que nos permiten ir más allá de los datos y la información para inferir conocimiento. En aquet módulo se 'desconecta' del tamaño de los datos para centrarse exclusivamente en las técnicas que permiten tratar de forma que permita responder a preguntas que no son evidentes cuando tratamos con información muy variada de los elementos que conforman el entorno. Típicamente se ha enfocado el problema del aprendizaje computacional desde dos puntos de vista: la clasificación de entidades y la previsión de resultados en un mundo incierto.

El estudiante será capaz de seleccionar las técnicas adecuadas a los problemas concretos que se le planteen, comprender la complejidad y medir la eficiencia de las propuestas de resolución.

Para cubrir estos temas el contenido que propone el módulo es el siguiente:

  • Evaluación de modelos
  • Aprendizaje supervisado
  • K-near neighbors
  • Regressors and classificators
  • Decision Trees & Random Forest
  • Naive Bayes & Ensemble Methods
  • Introducción a la redes neuronales: redes feed-forward
  • Redes neuronales en aprendizaje no supervisado
  • Redes Neuronales Recurrentes
Campus d'excel·lència internacional U A B