Sistemas de Aprendizaje Automático 23 24

Evaluación 1

• UD1 - Justificación y antecedentes del Aprendizaje Automático
• UD2 - Tipos de algoritmos en relación con el aprendizaje automático
  1. Aprendizaje Supervisado
  2. Aprendizaje No Supervisado
• T01 - Obligatoria - Apto/No apto - Tarea: Aplicación de modelos probabilísticos
• T02 - Obligatoria - Apto/No apto - Tarea: Algoritmos para el aprendizaje automático
• T03 - Obligatoria - Apto/No apto - Tarea: Introducción a Jupyter Notebooks
  • Tutorial: Entornos de desarrollo para Aprendizaje Automático
• T04 - Obligatoria - Nota - Tarea: Álgebra lineal

Evaluación 2

• UD3 - Redes neuronales y Deep Learning
• UD4 - Casos prácticos de aplicación

• UD5 - Técnicas avanzadas y evaluación del modelo.

• T05 - Obligatoria - Nota - Tarea: Pandas, KNN y Regresión Lineal
• T06 - Obligatoria - Nota - Tarea: Clustering
• T07 - Obligatoria - Nota - Tarea: Redes Neuronales
  • Tutorial: Tensorflow Playground
• T08 - Voluntaria - Apto/No apto - Tarea: Tarea: Introducción a BigML
• T09 - Voluntaria - Apto/No apto - Tarea: Matriz de confusión en BigML

Enlaces de interés

• https://github.com/ageron/handson-ml3
• https://www.aprendemachinelearning.com/
• https://www.garceta.es/catalogo/libro.php?ISBN=978-84-1903-407-6&idd=12
• https://playground.tensorflow.org/
• https://home.work.caltech.edu/lectures.html#lectures
• http://cesguiro.es/doku.php?id=clase:ia:saa:start
• https://learnxinyminutes.com/docs/es-es/python-es/

Cursos

• https://elandroidefeliz.com/10-cursos-online-gratuitos-sobre-ia-impartidos-por-google/
• https://home.work.caltech.edu/lectures.html#lectures

Cosas a mejorar para el próximo curso…

• La Tarea: Álgebra lineal lleva mucho tiempo para la poca importancia que tiene a posteriori.
• Se tendría que haber hecho más hincapié en la preparación de datos.
• Se puede profundizar mucho más en la parte de Redes Neuronales.