Programa Master Machine Learning

Si lo desea, puede ver el temario completo en inglés haciendo click aquí.

1. Introducción al Machine Learning
2. Gestión y Exploración de Datos con R
3. Lazy Learning. Clasificación Usando Nearest Neighbors
4. Aprendizaje Probabilístico. Clasificación Mediante Naive Bayes
5. Clasificación Mediante Árboles de Decisión
6. Métodos de Regresión
7. Métodos Black Box: Redes Neuronales y Máquinas de Vector Soporte
8. Búsqueda de Patrones Mediante Reglas de Asociación
9. Agrupación de Datos. El Algoritmo K-Means
11. Mejorando un Modelo de Machine Learning
10. Evaluación de Modelos de Machine Learning
12. Aspectos Computacionales del Machine Learning
Trabajo Fin de Máster

Para superar el Máster, el alumno deberá realizar un trabajo final (equivalente a 10 Créditos ECTS) de temática libre, en el que deberá desarrollar un modelo basado en Machine Learning aplicado a datos reales, usando para ello alguno de los métodos aprendidos a lo largo del curso.