Descripción
La disciplina de aprendizaje automatizado (machine Learning) estudia cómo hacer programas capaces de mejorar automáticamente con la experiencia. Recientemente se han desarrollado muchas aplicaciones exitosas, abarcando desde programas que aprenden a detectar transacciones fraudulentas de tarjetas de crédito, hasta sistemas de filtrado de información que aprenden las preferencias de lectura de los usuarios, hasta vehículos autónomos que aprenden a conducir en una autopista pública.
Este curso presenta los fundamentos de las técnicas, métodos, matemática y algoritmos actualmente necesarios para realizar investigación y aplicaciones en el área de aprendizaje, y minería de datos (data mining).
El curso esta fundamentado en el libro de texto y cursos dictados por el Prof. Tom Mitchell de la Universidad de Carnegie Mellon.
Horario y Lugar
Martes y Jueves, 1:30 a 3:30 PM, Sala de Seminarios del Departamento de Computación
Libro de Texto
Machine Learning, Tom Mitchell, McGraw Hill, 1997.
Evaluación
- 5 Tareas: 50 % (10 % c/u)
- 2 Parciales:50% (25 % c/u)
Tareas
- Tarea 1: Estrategias en Juegos
- Tarea 1: Arboles de Decisión
- Tarea 2. Redes Neurales
- Tarea 3. Redes Bayesianas
- Tarea 4. Algoritmos Genéticos
Nota: Las tareas pueden hacerse en equipos de 2 o hasta 3 personas. Oportunamente los enunciados serán publicados aqui.
Política para entregas tardías
Se disminuirá 0.5/10 Pts por cada día de retraso en la entrega de la tarea, con un máximo de una semana de retraso. Despues de una semana, no se considerará la tarea.
Cronograma
Semana |
Martes |
Jueves |
1: Abril 19 -23 |
Introducción, Características del curso. Definiciones. Clase, Slides DM, Slides AI | Introducción a Aprendizaje (Capítulo 1). Clase, Slides |
2: Abril 26 -29 |
Enunciado Tarea Juegos. Aprendizaje de Conceptos (Capítulo 2) Clase, Slides |
Arboles de decisión I (Capitulo 3, pp. 52 - 60) Clase, Slides. |
3: Mayo 03 - 07 |
Arboles de decisión II (Capítulo 3, pp. 60 - 77) |
Entrega Tarea Juegos. Enunciado Tarea Arboles de Decisión |
4: Mayo 10 - 14 |
Redes Neurales I (Capítulo 4, pp. 81-95) | Redes Neurales II (Capítulo 4, pp. 95-112 ) |
5: Mayo 17 - 21 |
Redes Neurales III (Capítulo 4, pp. 112-124 ) | Entrega Tarea Arboles de Decisión. Enunciado Tarea Redes Neurales. |
6: Mayo 24 - 28 |
Repaso de Probabilidades. Aprendizaje Bayesiano I (Capítulo 6, pp. 154-163 ) | Aprendizaje Bayesiano II (Capítulo 6, pp. 164-180 ) |
7: Junio 01- 04 |
Primer Parcial (Capítulos 1, 2, 3, y 4) | Aprendizaje Bayesiano III (Capítulo 6, pp. 180-198 ) |
8: Junio 07 -11 |
Entrega Tarea Redes Neurales. Enunciado Tarea Aprendizaje Bayesiano | Algoritmos Genéticos I (Capítulo 9, pp. 249-262 ) |
9: Junio 14 - 18 |
Algoritmos Genéticos II (Capítulo 9, pp. 262-270 ) | Aprendizaje por Reforzamiento I (Capítulo 13, pp. 367-373 ) |
10: Junio 21 - 25 |
Entrega Tarea Aprendizaje Bayesiano. Enunciado Tarea de Algoritmos Genéticos | Aprendizaje por Reforzamiento II (Capítulo 13, pp. 373-387 ) |
11: Jun28 -Jul 02 |
Segundo Parcial (Capítulos 6, 9 y 13) | Revisión del Segundo Parcial |
12: Julio 05 - 09 |
Entrega Tarea de Algoritmos Genéticos |
Recursos
- Slides y material basado en el libro de Tom Mitchell
- Curso de Knowledge Discovery in Databases, de la Universidad de Regina, CA, US. Cubre algunos algoritmos discutidos en el libro de Mitchell