Objetivo: Traer datos a MATLAB y organizarlos para su análisis, incluyendo la normalización de datos y la eliminación de observaciones con datos ausentes.

• Tipos de datos
• Tablas
• Datos categóricos
• Preparación de los datos

Objetivo: Uso de técnicas de aprendizaje no supervisado para agrupar observaciones basado en un conjunto de variables explicativas y descubrimiento de patrones naturales en un conjunto de datos.

• Aprendizaje no supervisado
• Métodos de agrupación (Clustering)
• Interpretación y evaluación de la agrupación

Objetivo: Uso de técnicas de aprendizaje supervisado para la modelación predictiva de problemas de clasificación. Evaluar la precisión de la predicción del modelo.

• Aprendizaje supervisado
• Entrenamiento y validación
• Métodos de clasificación

Objetivo: Reducción de las dimensiones del conjunto de datos. Mejora y simplificación de los modelos de aprendizaje automático.

• Validación cruzada
• Transformación de características
• Selección de características
• Aprendizaje mediante ensambles

Objetivo: Uso de técnicas de aprendizaje supervisado para la modelación predictiva de variables de respuesta continuas.

• Métodos de regresión paramétricos
• Métodos de regresión no paramétricos
• Evaluación de modelos de regresión

Objetivo: Crear y entrenar redes neuronales para clustering y modelos predictivos. Ajustar la arquitectura de la red para mejorarlo.

• Clustering con Mapas Autoorganizados
• Clasificación con redes unidireccionales
• Regresión con redes neuronales unidireccionales