En el ámbito de la investigación en Ingeniería, es muy frecuente estar delante de un problema que puede ser vista desde el prisma de un problema de regresión y clasificación y, a menudo, se necesitan modelos complejos para poder resolver el problema que presenta una alta no linealidad. Por ello, es necesario introducir los modelos de aprendizaje automático desde sus dos vertientes supervisado y no supervisado, para poder dotar al alumnado de este curso de la capacidad de construcción y desarrollo de un modelo de Machine Learning.
METODOLOGÍA:
El curso se realizará preferiblemente presencial, apoyándose en herramientas software Matlab.
PLANIFICACIÓN:
Día 3 (4 horas): Jueves 26 de Mayo – 16:00 – 20:00 horas
Modelos Supervisados y Selección de modelo óptimo. Además de los no supervisados, dentro de la familia de modelos de ML, se pueden encontrar los modelos supervisados que son los que presentan mejores tasas de error. Así, se presentarán los modelos más clásicos dentro de este enfoque enfrentando aquellos que tienen diferente arquitectura y algoritmia. Por último, se estudiará el algoritmo necesario para poder llevar a cabo una comparativa de modelos para la selección del modelo óptimo, minimizando la aleatoriedad de la selección del conjunto de validación
Inscripción:https://forms.gle/DXYLbvKAtMgZUJYu5