| Semana | Materiales de Clase | Recursos Adicionales |
|---|---|---|
| 1 |
Introducción [pdf], Repaso de Álgebra Lineal Regresión Lineal: [pdf][grafs] |
Resumen de Álgebra Lineal: [pdf] Intro a Python: [html][ipynb] Intro a Numpy: [html][ipynb] |
| 2 |
Clasificación - Regresión Logística: [pdf]
Regularización: [pdf] |
|
| 3 |
Redes Neuronales: [pdf] |
|
| 4 | Perceptrón, Support Vector Machines (SVM) I: [pdf] | |
| 5 |
Support Vector Machines II Naive Bayes |
|
| 6 |
Árboles de Decisión: [pdf]
Métricas de Evaluación: [pdf] |
Ejemplo: [ipynb, datos], [html] |
| 7 |
Métodos de Combinación (Bagging, Boosting): [pdf]
Clustering - K-means: [pdf] |
Ejemplo de k-means (Python): [zip] |
| 8 |
Reducción de Dimensionalidad - PCA
Examen Parcial |
Ejemplo de PCA: [ipynb, py], [html] |
| 9 |
Ejemplos de uso Introducción a Reinforcement Learning (RL) |
Ejemplos scikit-learn: [zip] Sutton Cap. 3: [pdf] |
| 10 |
Programación Dinámica en RL Métodos de Monte Carlo y de Diferencia Temporal: [pdf] |
Sutton Cap 4 Sutton Cap 5 y 6 |
| 11 | Redes Neuronales Profundas (Deep Neural Networks): [pdf] |
Código en Python: [zip] Ejemplo en TensorFlow: [zip] |
| 12 | Redes Neuronales Convolucionales: [pdf] | Ejemplo en TensorFlow: [ipynb], [html] |
| 13 | Redes Neuronales Recursivas | |
| 14-15 | Introducción a Deep Reinforcement Learning | |
| 16 | Examen Final |