Descripción
1. INTRODUCCIÓN AL CURSO
1.1. Introducción al Python
1.2. Librería de Python para Machine Learning
1.3 Machine Learning. Introducción
2. APRENDIZAJE SUPERVISADO
2.1. Definición y aplicaciones
2.2 Medidas de rendimiento
2.3 Modelos lineales
2.4 Modelos supervisados de ML: árboles, SVM, redes neuronales
2.5 Combinación de modelos. Random Forest
3. APRENDIZAJE NO SUPERVISADO
3.1. Definición y aplicaciones
3.2 Medidas de rendimiento
3.3 Clustering. Tipos
3.4 Biclustering
3.5 Manifolds. Reducción de la dimensionalidad
3.6 Análisis de la cesta
