Ajuste basado en datos con MATLAB

En este webinar mostraremos cómo realizar ajustes basados en datos con algunos de los productos para análisis de datos de MathWorks.

El ajuste basado en datos deriva toda la información necesaria para la generación del modelo directamente de los datos. Los modelos que surgen de esta técnica también son conocidos como modelos de “caja negra” o ajustes no paramétricos.

Mediante ejemplos prácticos se analizarán algunas de las principales técnicas de análisis y de aprendizaje automático (“machine learning”) para ajustar los datos a una curva:

• Redes Neuronales Artificiales
• Árboles de decisión (boosted/bagged)
• Regresión local
• Suavizado de splines

Este webinar está orientado a todos aquellos ingenieros, científicos e investigadores que ya utilicen o quieran sumergirse en las principales técnicas de ajuste de datos no paramétricos con MATLAB.

Lo más destacado:

• Comparación de la precisión de las distintas técnicas de ajuste
• Uso del back-testing para medir la precisión del modelo
• Creación de intervalos de confianza mediante el método Bootstrap
• Uso de la validación cruzada para evitar el sobreajuste