Temas selectos de estadística I - 4.5 hrs/sem
Contreras Peruyero Adriana Haydeé
Aprendizaje automático y aprendizaje geométrico profundo
El objetivo de este curso es que el estudiante obtenga las herramientas básicas de los temas de aprendizaje automático, aprendizaje profundo y aprendizaje geométrico profundo. Los estudiantes pondrán en practica estos conceptos a diversas aplicaciones usando bases de datos reales e implementando soluciones con Python.
Temario
1. Introducción al aprendizaje de automático (Machine Learning-ML)
a) Historia y evolución del ML
b) Tipos de aprendizaje: supervisado, no supervisado y por refuerzo
c) Regresión, clasificación, clustering
2. Modelos Clásicos de Machine Learning
a) Regresión y Clasificación
- Naive Bayes
- Regresión lineal y logística
- Máquina de Soporte Vectorial
- Árboles de decisión y Random Forests
b) Algoritmos de Clustering y Reducción de Dimensionalidad
- K-means, DBSCAN
- K-nearest Neighbor (KNN)
- Análisis de Componentes Principales
- t-SNE
3. Redes Neuronales
a) Perceptrón y Perceptrón Multicapa
b) Funciones de activación
c) Propagación hacia atrás y optimización
4. Aprendizaje profundo (Deep Learning)
a) Redes Neuronales Convolucionales (CNNs)
b) Redes Neuronales Recurrentes (RNNs)
c) Autoencoders y Generative Adversarial Networks (GANs)
5. Aprendizaje geométrico profundo (Geometric Deep Learning GDL)
a) Fundamentos del Geometric Deep Learning
b) Group-equivariant CNNs
c) Redes Neuronales en Grafos (GNNs)
d) Deep Sets, Transformers y Latent Graph Inference
Bibliografía
[1] Albon, C. (2018). Machine learning with python cookbook: Practical solutions from preprocessing to deep learning. O’Reilly Media, Inc.
[2] Alpaydin, E. (2020). Introduction to machine learning. MIT Press.
[3] Bishop, C. M., & Bishop, H. (2024). Deep learning: foundations and concepts.
[4] Bronstein, M. M., Bruna, J., Cohen, T., & Veličković, P. (2021). Geometric deep learning: Grids, groups, graphs, geodesics, and gauges. arXiv:2104.13478, https://geometricdeeplearning.com/
[5] Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning. MIT Press. https://www.deeplearningbook.org/
[6] Gupta, P., & Sehgal, N. K. (2021). Introduction to machine learning in the cloud with python: Concepts and practices. Springer Nature.
[7] Kubat, M. (2017). An introduction to machine learning. Springer.
[8] Rebala, G., Ravi, A., & Churiwala, S. (2019). An introduction to machine learning. Springer.
Requisitos
