El objetivo del curso es ofrecer una introducción completa a la teoría de probabilidades necesaria para el campo de la inteligencia artificial, combinando amplitud y profundidad, ofrece el material básico así como la discusión de los desarrollos recientes en el campo.

Revisión de fundamentos de teoría de probabilidades. Modelos multivariados: Distribución conjunta de varias variables. Distribución normal multivariada. Sistemas gaussianos lineales. Modelos de mixtura. Máxima Verosimilitud. Regresión y clasificación con MV. Algoritmo esperanza-maximización. Criterios de selección de modelos. Teoría de información: Entropía y entropía relativa. Modelos lineales: Regresión logística, lineal y modelos lineales generalizados. Modelos no paramétricos: Clasificación y agrupamiento con KNN. Clasificadores probabilísticos. Métodos Kernel. Bagging, random forest, boosting

Clase teórica Clases prácticas Prácticas de laboratorio Tutorías Trabajo en grupo Trabajo individual del estudiante Exámenes parciales y finales