Curso de machine learning

Descripción

En este curso aprenderás a trabajar con fotos, collages, animación de logos, crear menús animados, diagramación y mucho más usando los programas de Adobe: Illustrator, Photoshop, After Effects y Premiere Pro.

Plan de estudio

Este curso te enseña las herramientas necesarias para entender y usar los algoritmos de machine learning en python.

• Repaso de álgebra lineal

  • Matrices y vectores: producto, suma, producto interno, normas y operadores adjuntos.
  • Autovalores, autovectores, descomposición espectral de matrices y diagonalización
  • Descomposición en valores singulares: Singular Value Decomposition (SVD), Cociente de Rayleigh
  • Aplicaciones de autovalores y autovectores, cálculo matricial
  • Problema de mínimos cuadrados, regularización de Tikhonov.

• Aprendizaje supervisado: regresión lineal

  • Regresión lineal.
  • Método de descenso basado en el gradiente.
  • Método del gradiente conjugado
  • Otros métodos de descenso. Métodos de Newton y pseudo-Newton, regresión lineal múltiple
  • Regularización en regresión polinomial y regresión lineal general.
  • Manejo de animación cuadro a cuadro.

• Aprendizaje supervisado: clasificación

  • Regresión logística.
  • Regularización de nuevo y clasificación multiclase.
  • Redes Neuronales: introducción, descripción y clasificación.
  • Redes Neuronales: propagación hacia adelante.
  • Redes Neuronales: propagación hacia atrás. Apedizaje profundo (deep learning)
  • Sesgo versus varianza (bias versus variance)
  • Máquinas de soporte vectorial: Support Vector Machines (SVM)

• Aprendizaje no supervisado

  • K-means y Análisis de componente principal (Principal Component Analisis: PCA).
  • Detección de Anomalías y sistemas de recomendación.