MINE-4206_202410_AML

Laboratorio 0

• Conceptos básicos de Python

Laboratorio 1

Sesión 1

• Resolver un problema de Aprendizaje de Datos.
• Revisar los conceptos básicos de una Regresión Lineal.
• Familiarizarse con la herramienta de Jupyter Notebook.

Sesión 2

• Revisar los conceptos de una Regresión Lineal Regularizada.
• Crear Pipelines para búsquedas y automatizaciones de modelos.
• Evaluar los diferentes hiperparámetros para la construcción de un modelo.

Laboratorio 2

Sesión 1. Regresión Logística y SVM

• Construir un modelo de clasificación.
• Determinar las métricas de los modelos de clasificación.
• Establecer la selección del modelo basado en métricas y gráficas. Sesión 2. Árboles, Random Forest
• Construir un modelo de clasificación basado en árboles aleatorios.
• Determinar las métricas del modelo de clasificación.
• Establecer la selección del modelo basado en métricas y gráficas.

Laboratorio 3

Redes neuronales

• Realizar el análisis y limpieza de textos.
• Explorar las diferentes técnicas de transformación de datos no estructurados.
• Establecer el mejor modelo basado en una red neuronal.

Laboratorio 4

Sesión 1. Agrupación con k-medias Sesión 2. Agrupación con otros algoritmos

Laboratorio 5

Sesión 1. Despliegue del taller 3 en una aplicación web. Sesión 2: Detección de anomalías con autoencoders.