Machine Learning con MATLAB

Día 1 de 2

Importación y organización de datos

Objetivo: Importe datos a MATLAB y organícelos para su análisis, incluida la normalización de los datos y la eliminación de observaciones con valores ausentes.

• Tipos de datos
• Tablas
• Preparación de datos

Detectar patrones naturales en los datos

Objetivo: Utilice técnicas de aprendizaje no supervisado para agrupar observaciones basadas en un conjunto de variables explicativas y detectar patrones naturales en un conjunto de datos.

• Aprendizaje no supervisado
• Métodos de agrupación
• Evaluación e interpretación de agrupaciones

Creación de modelos de clasificación

Objetivo: Utilice técnicas de aprendizaje supervisado para crear modelos predictivos para problemas de clasificación. Evalúe la precisión de un modelo predictivo.

• Aprendizaje supervisado
• Entrenamiento y validación
• Métodos de clasificación

Día 2 de 2

Mejora de modelos predictivos

Objetivo: Reduzca la dimensionalidad de un conjunto de datos. Mejore y simplifique modelos de machine learning.

• Validación cruzada
• Optimización de hiperparámetros
• Transformación de características
• Selección de características
• Aprendizaje de ensembles

Creación de modelos de regresión

Objetivo: Utilice técnicas de aprendizaje supervisado para crear modelos predictivos de variables de respuesta continuas.

• Métodos de regresión paramétrica
• Métodos de regresión no paramétrica
• Evaluación de modelos de regresión

Creación de redes neuronales

Objetivo: Cree y entrene redes neuronales para la agrupación y la modelización predictiva. Ajuste la arquitectura de la red para mejorar el rendimiento.

• Agrupación con mapas autoorganizados
• Clasificación con redes prealimentadas
• Regresión con redes prealimentadas