Al visitar nuestro sitio, usted acepta política de privacidad sobre cookies, estadísticas de seguimiento, etc.

Aprendizaje automático

Este módulo explora el aprendizaje automático, centrándose en los algoritmos y modelos que permiten a los ordenadores aprender de los datos y hacer predicciones o tomar decisiones basadas en ellos. Abarca técnicas de aprendizaje supervisado, no supervisado y de refuerzo, junto con aplicaciones prácticas en áreas como el reconocimiento de imágenes, el procesamiento del lenguaje natural y el análisis predictivo.

Portal > Inteligencia artificial > Aprendizaje automático

Curriculum Builder

Ver plan de estudios

Sutton, Richard S., y Andrew G. Barto. Aprendizaje por refuerzo: An Introduction. Segunda edición. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Barber, David. Razonamiento bayesiano y aprendizaje automático. 1st ed. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Teoría de la información, inferencia y algoritmos de aprendizaje. Cambridge University Press, 2003.

Bishop, Christopher M. Reconocimiento de patrones y aprendizaje automático. Ciencia de la información y estadística. Nueva York: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh y Ameet Talwalkar. "Introduction" (Introducción). En Fundamentos del aprendizaje automático, 504. The MIT Press, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Murphy, Kevin P. "Capítulo 24: Markov Chain Monte Carlo (MCMC) Inference" y "Chapter 25. Clustering: Clustering". En Machine Learning A Probabilistic Perspective. Londres, Inglaterra: The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich y David Mease. "Explaining the Success of AdaBoost and Random Forests as Interpolating Classifiers", arXiv, 29 de abril de 2017.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani y Jerome Friedman. Los elementos del aprendizaje estadístico: Data Mining, Inference, and Prediction. 2ª ed. Springer Series in Statistics. Nueva York, NY: Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Wasserman, Larry Todo de Estadística: A Concise Course in Statistical Inference. Springer Texts in Statistics. Nueva York, NY: Springer Nueva York, 2004.

https://doi.org/10.1007/978-0-387-21736-9

Gracias por suscribirse a nuestro boletín.

Gracias. RSVP recibido para Sutton, Richard S., y Andrew G. Barto. Reinforcement Learning: An Introduction. Segunda edición. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Sutton, Richard S., y Andrew G. Barto. Aprendizaje por refuerzo: An Introduction. Segunda edición. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Cargando...

Cargando...