• English
  • Youtube
  • Facebook
  • Twitter
  • Linkedin
  • Instagram
  • tiktok

Minería de Datos e Inteligencia de Negocios

Máster. Curso 2023/2024.

TÉCNICAS DE MACHINE LEARNING - 606539

Curso Académico 2023-24

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
El alumno debe saber modelizar como red neuronal problemas de clasificación y predicción y ser capaz de dar una solución con la ayuda del Software estadístico.

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%
TOTAL
100%

Presenciales

1,8

No presenciales

4,2

Semestre

2

Breve descriptor:

Se trata de introducir al alumno en las Redes Neuronales y otros algoritmos de predicción y clasificación como random forest, gradient boosting o support vector machines con el objetivo de saber utilizar estas técnicas para poder resolver problemas predicción y clasificación que no puedan resolverse por los métodos tradicionales. Se impartirá una breve introducción a los algoritmos genéticos. Se incidirá principalmente en las aplicaciones utilizando el programa estadístico SAS ENTERPRISE MINER, SAS en entorno de programación y R.             

En casos de escenarios de docencia semipresencial u online, se podrán realizar las clases en streaming o con videos, y realizar los ejercicios y prácticas habituales con los medios informáticos disponibles.

Requisitos

Estar familiarizado al menos con los siguientes programas de software estadístico: SAS y R.

Contenido

Fundamentos de las Redes neuronales. Redes neuronales para regresión.Redes neuronales para clasificación. Algoritmos basados en árboles: bagging, random forest, gradient boosting. Support vector machines. Métodos Ensemble.

Evaluación

Se realizarán prácticas a entregar de cada uno de los modelos propuestos pudiendo aprobar por evaluación continua.
Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Bibliografía

Bishop, C.M. (1995), Neural Networks for Pattern Recognition, Oxford: Oxford University Press.

Hastie, Tibshirani (2009): The Elements of Statistical Learning (PDF)
http://statweb.stanford.edu/~tibs/ElemStatLearn/

Randall Matignon (2005): Neural Network Modeling using SAS Enterprise Miner. Ed. AuthorHouse

Schapire and Freund (2014): Boosting. MIT Press.

ftp://ftp.sas.com/pub/neural/FAQ.html

Davis, L. (1991): Handbook of Genetic Algorithms. Van Nostrand Reinhold.

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo A22/01/2024 - 10/05/2024MARTES 18:00 - 19:30-JAVIER PORTELA GARCIA-MIGUEL
Grupo B22/01/2024 - 10/05/2024MIÉRCOLES 18:00 - 19:30-JAVIER PORTELA GARCIA-MIGUEL


Actividad práctica
GrupoPeriodosHorariosAulaProfesor
Grupo A22/01/2024 - 10/05/2024MARTES 19:30 - 21:00-JAVIER PORTELA GARCIA-MIGUEL
Grupo B22/01/2024 - 10/05/2024MIÉRCOLES 19:30 - 21:00-JAVIER PORTELA GARCIA-MIGUEL