Familiarizarse con distintas herramientas analíticas, basadas en datos, para la toma de decisiones Capacidad de adquirir conocimiento para analizar y encontrar relaciones entre distintas variables Aprender cómo evaluar métodos de aprendizaje supervisado Desarrollar capacidades para clasificar observaciones basadas en aprendizaje probabilístico y de máquina Adquirir destrezas en el uso del lenguaje R para las herramientas de aprendizaje supervisado

Introducción al Aprendizaje Estadístico Evaluación de Métodos de Aprendizaje Aprendizaje Bayesiano Regla de Bayes y Aprendizaje basado en Costes k-NN Máquinas de Vector Soporte Árboles de Decisión y Bosques Aleatorios Redes Neuronales

Clases magistrales (1/2 parte del curso): se presenta el contenido de la asignatura ilustrado con ejemplos y con material de apoyo disponible en la Web. Prácticas (1/2 parte del curso): Ejemplos y casos de estudio con lenguaje R.