Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UCompensar
EDUCACIÓN PARA AVANZAR
SYLLABUS
Machine Learning
Machine Learning
El presente curso proporciona los conocimientos necesarios para el desarrollo de la asignatura Machine
Learning; se induce al estudiante en reconocimiento de patrones estadísticos, discriminación de patrones, etc.
Los temas incluyen: aprendizaje supervisado (aprendizaje generativo / discriminativo, aprendizaje paramétrico
/ no paramétrico, redes neuronales, máquinas de vectores de soporte); aprendizaje no supervisado
(agrupamiento, reducción de dimensionalidad, métodos del núcleo); teoría de aprendizaje (compensaciones
de sesgo / varianza, consejos prácticos); aprendizaje de refuerzo y control adaptativo.
Para su abordaje, se realizan actividades con acompañamiento del docente-tutor y actividades de trabajo
independiente de orden particular o grupal, en medio de los cuales se realizarán los desarrollos conceptuales
requeridos y la aplicación en contextos, casos o situaciones reales, con lo cual se hace posible la comprensión
de los fundamentos de la inteligencia de negocios y el gobierno de datos, clave del especialista en Big Data.
Para los tiempos de aprendizaje independiente, los estudiantes desarrollan actividades de aprendizaje
autónomo y social, individual o en grupo, abordando materiales y Recursos Educativos (Digitales o
físicos) disponibles en material de estudio o espacios On-Line (LMS o repositorios con Recursos
Educativos Digitales). Allí, los estudiantes avanzan en la comprensión, análisis y apropiación de
elementos conceptuales y teóricos propios de la competencia del curso.
En los tiempos de trabajo directo con docente realizan la discusión de los aspectos conceptuales
previamente abordados en trabajo independiente, para posteriormente realizar su aplicación en casos
o situaciones del entorno real, los cuales contarán con espacios para coaching y Co-working, entre otras
muchas posibilidades de aprendizaje individual o en equipo.
Etapa 3: Transferencia: en este momento del curso el estudiante contará con sesiones de trabajo
directo con docente (presenciales y/o virtuales mediadas por herramientas tecnológicas, según la
modalidad) y actividades independientes, en las cuales realizará la preparación de la sustentación en
la cual realizará la explicación auditable de los principios estandarizados (utilizando las herramientas
tecnológicas seleccionadas), evidenciando el uso de los datos masivos y su dominio conceptual de la
relación Big Data e Inteligencia de los negocios. Esta es una actividad formativa y calificable.
decir, participan en la valoración de niveles de competencia los distintos actores que intervienen en el
proceso, así:
Etapa 0. Reconocimiento
Presentación del curso
Una breve introducción a la inteligencia artificial
¿Qué es Machine Learning?
Aplicación en el mundo real de machine Learning.
Etapa 1. Contextualización
Formulación y abstracción de Problemas
Etapa 2. Profundización
Métodos de clasificación supervisada 1 (Máquinas de Soporte Vectorial)
• Métodos de clasificación supervisada.
• Aprendizaje No supervisado
• Otros Métodos de aprendizaje
• Máquinas de soporte vectorial.
• Métodos de Kernel
• Métricas de desempeño en machine learning supervisado.
Etapa 3: Transferencia
Introducción a Deep Learning
• Definición de Convolución.
• Redes neuronales convolucionales.
• Preprocesamiento con ACP (Análisis de componentes principales).
Recurso disponible en
Recursos bibliográficos Biblioteca de la institución Otras bibliotecas
https://ebookcentral-
proquest-
Libro digital: Big Data: com.unipanamericana.bas
una breve introducción esdedatosezproxy.com/lib
/unipanamericanasp/read
/ Dawn E. Holmes /2018 er.action?docID=5756204
&ppg=1
Glosario:
• ACP
• AWS
• Big Data
Big Data is an umbrella term used for huge volumes of heterogeneous datasets that cannot be
processed by traditional computers or tools due to their varying volume, velocity, and variety.
• Deep Learning:
• Hadoop
Java open source distributed application framework, intended to process data volumes of
several petabytes and with miles of nodes.
This term refers to the creation of systems through Artificial Intelligence, where what you really
learn is an algorithm, which monitors the data with the intention of being able to predict future
behaviors.
• Random Forest
Es una combinación de árboles para predecir, en donde los valores dependen de un vector
aleatorio con probabilidad independiente y la misma distribución de probabilidad para las
ramas del árbol.
• Serveless