En el \u00e1mbito de la investigaci\u00f3n en Ingenier\u00eda, es muy frecuente estar delante de un problema que puede ser vista desde el prisma de un problema de regresi\u00f3n y clasificaci\u00f3n 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 autom\u00e1tico desde sus dos vertientes supervisado y no supervisado, para poder dotar al alumnado de este curso de la capacidad de construcci\u00f3n y desarrollo de un modelo de Machine Learning.<\/p>\n
METODOLOG\u00cdA:<\/p>\n
El curso se realizar\u00e1 preferiblemente presencial, apoy\u00e1ndose en herramientas software Matlab.<\/p>\n
PLANIFICACI\u00d3N:<\/p>\n
D\u00eda 3 (4 horas): Jueves 26 de Mayo \u2013 16:00 \u2013 20:00 horas
\nModelos Supervisados y Selecci\u00f3n de modelo \u00f3ptimo. Adem\u00e1s 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. As\u00ed, se presentar\u00e1n los modelos m\u00e1s cl\u00e1sicos dentro de este enfoque enfrentando aquellos que tienen diferente arquitectura y algoritmia. Por \u00faltimo, se estudiar\u00e1 el algoritmo necesario para poder llevar a cabo una comparativa de modelos para la selecci\u00f3n del modelo \u00f3ptimo, minimizando la aleatoriedad de la selecci\u00f3n del conjunto de validaci\u00f3n<\/p>\n
Inscripci\u00f3n:https:\/\/forms.gle\/DXYLbvKAtMgZUJYu5<\/p>\n","protected":false},"excerpt":{"rendered":"