CDIA · 5.º semestre

Recorrer en orden los contenidos de Aprendizaje No Supervisado y demostrar lo aprendido con evidencia.

• 1 K-means por coordinación 9 min
• 2 Clustering jerárquico y DBSCAN 9 min
• 3 Evaluar agrupamientos 10 min
• 4 PCA aplicado 9 min
• 5 Reducción no lineal (t-SNE/UMAP) 10 min
• 6 Detección de anomalías 10 min

Recorrer en orden los contenidos de Aprendizaje Supervisado y demostrar lo aprendido con evidencia.

• 7 Vecinos más cercanos (KNN) 9 min
• 8 Regresión logística como clasificador 9 min
• 9 Árboles de decisión 9 min
• 10 Máquinas de soporte vectorial 10 min
• 11 Bagging y Random Forest 9 min
• 12 Gradient Boosting 9 min
• 13 Regresión regularizada 10 min

Recorrer en orden los contenidos de Evaluación de Modelos y demostrar lo aprendido con evidencia.

• 14 Matriz de confusión 11 min
• 15 Precisión, exhaustividad y F1 9 min
• 16 Curva ROC y AUC 10 min
• 17 Métricas de regresión (MAE, RMSE, R²) 9 min
• 18 Validación cruzada k-fold 10 min
• 19 Fuga de datos y optimismo 9 min
• 20 Interpretabilidad: SHAP y LIME 10 min

Recorrer en orden los contenidos de Feature Engineering y demostrar lo aprendido con evidencia.

• 21 Transformaciones de variables 9 min
• 22 Interacciones y agregaciones temporales 9 min
• 23 Selección de características 9 min
• 24 Codificación de texto y categorías 9 min

Recorrer en orden los contenidos de Fundamentos de Machine Learning y demostrar lo aprendido con evidencia.

• 25 Qué es aprender de datos 9 min
• 26 Modelo, parámetros e hipótesis 10 min
• 27 División train/validation/test 10 min
• 28 Sobreajuste y subajuste 10 min
• 29 Compromiso sesgo-varianza 10 min
• 30 Pensar en términos de pérdida 10 min
• 31 Descenso de gradiente 10 min
• 32 Pipeline de scikit-learn 9 min
• 33 De la idea al modelo evaluado 10 min

Recorrer en orden los contenidos de Minería de Datos y demostrar lo aprendido con evidencia.

• 34 Reglas de asociación y Apriori 9 min
• 35 Métricas de interés y paradojas 9 min
• 36 Modelado del KDD 9 min
• 37 Minería de patrones secuenciales 10 min