Fundamentos de Aprendizaje Automático
1
Introducción al problema de aprendizaje
2
El problema de aprendizaje
3
Introducción a python y numpy
4
El modelo lineal
5
Error y ruido
6
Entrenamiento versus prueba
8
Teoría de la generalización
9
La dimensión de Vapnik-Chervonenkis
10
Compromiso sesgo varianza
11
El modelo lineal II
13
Sobreajuste
14
Regularización
16
Validación
17
Epílogo de los fundamentos teóricos
18
Perceptrón multicapa
19
Redes neuronales
21
Introducción a la biblioteca scikit-learn
22
Máquinas de vectores de soporte
23
Métodos de kernel
25
Métodos basados en similitud
26
Aprendizaje no supervisado
28
Ingeniería de características