Aprendizaje Automático

De Cuba-Wiki
La versión para imprimir ya no se admite y puede contener errores de representación. Actualiza los marcadores del navegador y utiliza en su lugar la función de impresión predeterminada del navegador.

El Aprendizaje Automático (o Machine Learning) es una rama de la Inteligencia Artificial que se dedica al estudio de los programas que aprenden a realizar una tarea en base a la experiencia. El objetivo del proceso de aprendizaje es utilizar la evidencia conocida para crear un modelo que sirva para dar respuesta a nuevas situaciones no conocidas. Cada día existen más aplicaciones de Aprendizaje Automático: filtros de spam, reconocimiento de caras, autos que se manejan solos, reconocimiento del habla, sistemas de recomendación, detección de fraude, movimiento de robots, y muchos ejemplos más. Esta materia consiste en una introducción abarcativa de las principales técnicas y aplicaciones del área, con una mezcla balanceada de teoría y ejercitación práctica.

Temario: Aprendizaje supervisado: clasificación y regresión, árboles de decisión, naive Bayes, redes neuronales, vecinos más cercanos, modelos gráficos, algoritmo EM. Aprendizaje no supervisado, clustering. Aprendizaje por refuerzos. Extracción y selección de atributos. Aplicaciones en procesamiento del lenguaje natural, imágenes, sistemas de recomendación y big data, entre otros.

Información general sobre la cursada

La materia consta de clases teórico/prácticas en el laboratorio. Generalmente la dictan: Agustín Gravano (Profesor) y Ernesto Mislej (JTP) los Miércoles de 10 a 15. Sus correlativas son Métodos Numéricos y Teoría de Lenguajes.

Para aprobar es necesario completar 2 trabajos prácticos y un examen escrito y da 3 puntos para la licenciatura y 4 para el doctorado.

Link a la página oficial de la materia: http://www.dc.uba.ar/materias/aa/

Apuntes

Enlaces externos