Machine Learning con Python
El objetivo final de este taller es lograr que los alumnos sean capaces de desarrollar de forma autónoma modelos de Machine Learning que sean el motor de un sistema de Inteligencia Artificial.
Por ello, en el presente taller se mostrará un mapa conceptual de las diferentes tipologías de modelos existentes en la actualidad, en función de su usabilidad. Tras ello, se mostrarán las diferentes formas de validar los modelos en función de su tipología. Tras realizar un mapa conceptual de los principales modelos, se ira profundizando en los principales modelos existentes dentro de cada tipología, así como en su validación.
Programa
- a. Definición.
- b. Mapa conceptual.
- c. Modelos supervisados:
i. Clasificación:
1. Regresión logística.
2. KNN.
3. Naive Bayes.
4. Árbol de clasificación.
5. Random Forest.
6. XGBoost.
ii. Regresión:
1. Regresión.
2. Árbol de regresión.
3. Random Forest.
4. XGBoost.
- d. Modelos no supervisados:
i. Clusterización
ii. Reglas de asociación.
