Introducción al Aprendizaje Automático

Introducción al Aprendizaje Automático (2 ECTS)

  1. Técnicas de aprendizaje supervisado y no supervisado
  2. Función de pérdida (Loss function), estrategias de validación (leaving-one-out, cross-validation).
  3. k-NN, Parzen Windows, KD-Trees, …
  4. Clustering paramétrico y no parámetrico: K-means, GMM …
  5. Modelos conexionistas: redes neuronales
  6. Deep Learning: RBM, Auto-encoders, DBN/DNN
  7. Learning from Data Streams