Programación de Datos (19138) Estadística y Ciencia de Datos I (19140) Estadística y Ciencia de Datos II (19141)

- Capacidad de usar conceptos y métodos relevantes de aprendizaje automático para formular, estructurar y resolver problemas prácticos que conllevan datos masivos o complejos. - Capacidad de aplicar modelos básicos de aprendizaje automático para predicción y toma de decisiones.

1. Introducción al Machine Learning 1.1. ¿Entender o predecir? 1.2. Sesgo vs Varianza 1.3. Evaluación del rendimiento de los modelos 2. Aprendizaje no-supervisado 2.1. Reducción de dimensión: PCA 2.2. Clustering: k-means, métodos jerárquicos 3. Aprendizaje supervisado 3.1. Clasificación: aprendizaje estadístico (clasificadores Bayesianos), machine learning (knn, árboles de decisión, random forest, gradient boosting, redes neuronales) 3.2. Regresión avanzada: selección de modelos, regularización, selección de variables 4. Casos de estudio para todos los temas

Actividades Formativas: - Clases teórico-prácticas Metodologías Docentes: - Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. - Resolución de casos prácticos, problemas, etc., planteados por el profesor de manera individual o en grupo.