Machine Learning para Investigación

Unidad 1: Introducción

• Concepto básico de Machine Learning
• Weka Workbench como nuestro entorno de machine learning

Unidad 2: Minería de datos en Weka

• Paneles en Weka
• Conociendo nuestro datos en los paneles de Weka

Unidad 3: Pre-análisis  y pre-tratamiento de datos

• Clasificación de datos en machine learning
• Conjunto de datos para machine learning
• Pre-análisis de datos

Unidad 4: Preprocesamiento de datos para machine learning 

• Normalización y estandarización de datos
• Transformar los datos de machine learning
• Manejar valores perdidos en los datos de machine learning

Unidad 5: Análisis de datos en machine learning 

• Future selection en machine learning
• Uso de algoritmos de machine learning
• Estimar el resultado de los algoritmos
• Estimar una línea base de los resultados

Unidad 6: Fase de modelado en machine learning

• Algoritmo de clasificación
• Algoritmo de regresión
• Algoritmo ensamblados

Unidad 7: Fase ‘Tuning’ en machine learning

• Comparar el rendimiento de los algoritmos
• ‘Tunear’ los parámetros (hiperparámetros) de los algoritmos
• Guardar nuestros modelos y hacer predicciones.

Unidad 8: Fase ‘Tuning’ en machine learning

• Trabajar un proyecto de clasificación multiclase
• Trabajar un proyecto de clasificación binario
• Trabajar un proyecto de regresión