Métodos supervisados en Machine Learning: regresión y redes neuronales
Expertos temáticos
Herman Horacio Jaramillo Villegas
Duración
8 horasObjetivos de aprendizaje
Comprender de qué forma ML ayuda a enfrentar las actividades diarias del ser humano.
You need to enroll to take the course!
EnrollTemas del curso
Introducción histórica a Machine Learning
Introducción histórica.
Herramientas fundamentales a las matemáticas
- Álgebra lineal Parte I.
- Álgebra lineal Parte II.
Métodos supervisados
Regresión lineal 2D
- El problema de mínimos cuadrados.
- El método de descenso de gradiente.
- Dimensiones y normalización de parámetros (feature normalization).
- Regresión polinomial simple, multivariada y regresiones más generales.
Clasificación
- Regresión logística.
- Clasificación, frontera de decisión, sobreajuste, subajuste, multiclases.
- Redes neuronales, motivación, historia, significado y ejemplos.
- Redes neuronales artificiales propagación hacia adelante y hacia atrás.
Requisitos
- Público objetivo: todas las ramas de la ciencia, ingeniería, biología, sociología, finanzas, etc.
- Conocimientos previos: necesita haber cursado cálculo de varias variables y álgebra lineal.
- Requisitos mínimos: se requiere de conocimientos en cálculo de varias variables y álgebra lineal.
Expertos temáticos
Herman Horacio Jaramillo
Villegas
Matemático en la Universidad Nacional de Colombia con estudios de maestría y doctorado en geofísica en Colorado School of Mines (CSM). En la industria de la exploración sísmica ha trabajado con varias compañías operadoras internacionales. Su experiencia laboral incluye la investigación en geofísica y el desarrollo de software en distintas ramas de la Geofísica. Docente en la Universidad de Medellín, donde ha dictado cursos de pregrado y postgrado en Cálculo de varias variables, Métodos numéricos, Machine learning, Matemáticas aplicadas, entre otros.
0%
0%
0%
0%
100%
