Diplomado 2. Adelantos de Señales y Sistemas

„  Título: Aprendizaje estadístico y ciencia de datos

o    Horas y Créditos:

o    Objetivos Específicos:

Que los estudiantes:

§   Conozcan los elementos principales del aprendizaje estadístico y la ciencia de datos.

§   Aprendan las técnicas principales de descubrimiento de conocimiento, incluyendo el Big data.

§   Aprendan a usar algunas de las plataformas para en el descubrimiento de conocimiento.

o    Sistema de Conocimientos:

§  Introducción al aprendizaje estadístico: estimado de f, aprendizaje supervisado vs. no supervisado, regresión vs. clasificación, precisión del modelo, lenguaje R.

§  Regresión lineal: simple y múltiple, estimado de coeficientes, predictores cualitativos.

§  Clasificación: regresión logística, LDA, QDA, KNN.

§  Remuestreo: validación cruzada y Bootstrap.

§  Selección del modelo lineal y regularización: selección del subconjunto, métodos de encogimiento, reducción de dimensionalidad, PCR y PLS.

§  Más allá de la linealidad: regresión polinomial, funciones paso, funciones base, splines, regresión local, modelos aditivos generalizados (GAM).

§  Métodos basados en árboles: árboles de decisión, Bagging, Random Forests, Boosting,

§  Máquinas de vector soporte (SVM): clasificador de margen máximo, clasificadores de vector soporte, SVM de dos o más clases, curvas ROC.

§  Aprendizaje no supervisado: PCA, métodos de agrupamiento, K-Means, agrupamiento jerárquico.

o    Sistema de Habilidades:

§  Usar algunas de las plataformas para en el descubrimiento de conocimiento.

§  Programar en R.

o    Sistema de Valores y Actitudes Profesionales:

§  Estimular el uso del Inglés como lengua extranjera.

§  Formar una actitud positiva en la conducta social de los estudiantes.

§  Formar hábitos de educación formal en los estudiantes.

§  Lograr habilidades en la comunicación social.

§  Crear habilidades de dirección en los estudiantes.

§  Elevar el impacto social de los trabajos de investigación de la Maestría.

o    Sistema de Evaluación:

§  Presentación de informes de laboratorio.

§  Proyecto integrador a discutirse en clase.

o    Bibliografía:

§  Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, “An Introduction to Statistical Learning with Applications in R”, ISSN 1431-875X, ISBN 978-1-4614-7137-0 ISBN 978-1-4614-7138-7 (eBook), DOI 10.1007/978-1-4614-7138-7, Springer New York Heidelberg Dordrecht London, Corrected at 7th printing, 2017.

§  Artículos recientes sobre el tema en revistas y eventos del grupo 1.

(solo unos 10 documentos de los cuales 6 deben ser de los últimos 5 años)

o    Profesores:

§  Morell Pérez, Carlos Alberto

§  Gálvez Lio, Daniel

§  Martínez Jiménez, Yailén