La materia tiene por objetivo que les alumnes:
- Conozcan los problemas típicos de la Ciencia Datos y cómo esta se relaciona con el Aprendizaje Automático y la Estadística.
- Se familiaricen con la noción de modelo en el contexto de Ciencia de Datos.
- Comprendan algoritmos utilizados para el abordaje de problemas típicos de la Ciencia de Datos como la regresión, clasificación, agrupamiento o reducción de dimensionalidad. Entre estos cabe mencionar la gradiente descendente típico o para muchos datos, resolución de sistemas de ecuaciones normales, regresión polinómica, redes neuronales, árboles de decisión, k promedios y máquinas de vector de soporte, etc.
- Puedan aplicar los algoritmos recién mencionados, identificando sus limitaciones y aplicando técnicas clásicas para superarlas; y evaluar sus modelos y a partir de este análisis encontrar la forma de mejorarlos.
Modos de Cursada: Cuatrimestral Presencial
Horas Semanales: 4 horas
Demanda de tiempo en casa semanal: 4 horas
Sitio web:
- Aún no disponible
Programa de la materia:
Contenidos Mínimos:
- Noción de modelo, del problema de aproximación y de error en la aproximación de un modelo.
- Algoritmos para regresión lineal y polinómica: gradiente descendente, ecuaciones normales y redes neuronales. Adaptación para regresión polinómica.
- Algoritmos para clasificación en dos o más clases: regresión logística, redes neuronales, árboles de decisión, máquinas de vector soporte.
- Problema de reducción de dimensionalidad y algoritmos para resolverlo.
- Trabajo con grandes volúmenes de datos: minimización para esas circunstancias y map reduce.
- Aplicación práctica de Ciencia de Datos.