Intersemestral 2020

Objetivos:

• Familiarizarse con el ambiente de trabajo Jupyter Notebook.
• Resolver un problema real de regresión siguiendo el proceso de aprendizaje a partir de datos.

Objetivos:

• Aprender los diferentes tipos de regularizadores dentro de una Regresión.
• Aprender a entonar los hiperparámetros de un modelo.
• Resolver un problema real de probabilidad según unas variables establecidas.

Objetivos:

• Consolidar mediante la experimientación conceptos dados en clase en relación al algoritmo SVM.
• Aplicar el algoritmo SVM para clasificación de imagenes.
• Aplicar técnicas de machine learning desde cero a partir de dos problematicas establecidas.

Objetivos:

• Analizar conjutos de datos no estructurados.
• Aplicar diferentes técnicas de pre-procesamiento de textos.
• Identificar el mejor modelo para un problema desbalanceado.

Objetivos:

• Analizar la estructura de una Red Neuronal.
• Construir un modelo a través de Keras y TensorFlow.
• Realizar la búsqueda de hiperparámetros para ajustar una Red Neuronal.

Objetivos:

• Aplicar la técnica de data augmentation a un conjunto de imagenes.
• Construir un clasificador de imagenes a partir de una red neuronal convolucional (CNN).
• Construir un clasificador de imagenes utilizando la tecnica de transfer learning.
• Construir una red neuronal de tipo autoencoder para la eliminación de ruido en imagenes.

Objetivos:

• Analizar la construcción de una Red Neuronal Recurrente.
• Ver la aplicación de la metodología CRISP-DM en un problema de minería de datos.
• Realizar una comparación de diferentes algoritmos para realizar predicciones.
• Automatizar el proceso de gestión de pedidos para una comercializadora.