Algoritmos paramétricos y no paramétricos.

BB.png

WHAT WE DO

BB2.png

Objetivos



1. Familiarizar al alumno con las ideas y algunos de los métodos más eficaces y en Ciencia de Datos utilizando dos ejemplos fundamentales: Deep learning y árboles de decisión.

2. Que el alumno sea capaz de comprender el trasfondo teórico de los algoritmos elegidos con el fin de ofrecerle autonomía para estudiar y aprovechar sus cualidades.

3. Invitar al alumno a las ideas y el formalismo de técnicas más elaboradas tales como: pruning, stochastic gradient descent o back-propagation. 






Temario



Módulo 1: Redes neuronales



Perceptrón lineal

Método del gradiente

Stochastic Gradient Descent

Perceptrón con más de una capa

Back-propagation





Módulo 2: Árboles de decisión



Overfitting v.s. fitting

Árboles de decisión

Entropía, Gini y medidas de información (Shannon)

Random Forests

Pruning

TEMARIO