Unidad 1 : Fundamentos del Aprendizaje Automático

 

El aprendizaje automático es una herramienta clave en la solución de problemas reales basados en datos, con aplicaciones en múltiples disciplinas. Este curso integra teoría y práctica mediante el uso de Python, facilitando la comprensión de conceptos matemáticos a través de la programación. Su enfoque busca fortalecer las habilidades analíticas y computacionales de los estudiantes, preparándolos para enfrentar desafíos actuales en ciencia de datos, inteligencia artificial y toma de decisiones basadas en datos.

Unidad 1 : Fundamentos del Aprendizaje Automático

1.1. Introducción al aprendizaje automático

1.1.1. Conceptos y aplicaciones

1.1.2. Tipos de aprendizaje (supervisado, no supervisado, refuerzo)

1.2. Historia y evolución

1.2.1. Orígenes del ML. Primeros modelos.

1.2.2. Evolución. Modelos estadísticos.

1.3. Diseño de sistemas de aprendizaje

1.3.1. Etapas de un proyecto (exploración, preprocesamiento, modelado, evaluación)

1.3.2. Validación y overfitting. División entrenamiento/prueba, validación cruzada.

1.4. Análisis Exploratorio de Datos (EDA)

1.4.1. Tipos de variables: categóricas, numéricas. Codificación: conversión de categóricas a numéricas.

1.4.2. Distribuciones. Correlación entre variables. Matriz de covarianza

 

Clase 1

 

Ejemplo de Aplicación:

 

Clase 2

 

Ejemplo de Aplicación: