4.26.2.6 Aprendizaje Automático Básico (4 horas) [Habilidades a,j]

Referencias Bibliográficas: [Mitchell, 1998,Russell and Norvig, 2003,Ponce-Gallegos et al., 2014] Temas
  1. Definición y ejemplos de la extensa variedad de tareas de aprendizaje de máquina, incluida la clasificación.
  2. Aprendizaje inductivo
  3. Aprendizaje simple basado en estadísticas, como el clasificador ingenuo de Bayes, árboles de decisión.
  4. El problema exceso de ajuste.
  5. Medicion clasificada con exactitud.
Objetivos de Aprendizaje
  1. Listar las diferencias entre los tres principales tipos de aprendizaje: supervisado, no supervisado y por refuerzo [Usage]
  2. Identificar ejemplos de tareas de clasificación, considerando las características de entrada disponibles y las salidas a ser predecidas [Usage]
  3. Explicar la diferencia entre aprendizaje inductivo y deductivo [Usage]
  4. Describir el sobre ajuste (overfitting) en el contexto de un problema [Usage]
  5. Aplicar un algoritmo de aprendizaje estadístico simple como el Clasificador Naive Bayesiano e un problema de clasificacion y medirla precisión del clasificador [Usage]



Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM