clases.md

layout	is_contact
default	false

• Introducción
  • 00 Introducción y preliminares
    • Parte 1: Aprendizaje automático
    • Parte 2: Álgebra Lineal
• Aprendizaje supervisado
  • 01 Regresión Lineal
    • Parte 1: Derivando el problema
    • Parte 2: Formulación y derivación de ecuaciones normales usando matrices
    • Parte 3: Scikit-Learn vs Numpy
    • Parte 4: Descenso del gradiente
  • 02 Regresión Logística
    • Parte 1: Deducción de la función de pérdida L(Beta)
    • Parte 2: Uso de Scikit-Learn con Regresión logística
  • 03 Regularización
    • Parte 1: Conceptos
    • Parte 2: Camino de regularización
  • 04 Trade-off bias variance
  • 05 Evaluación y selección de modelos
    • Parte 1: Pipeline + Matriz de confusión
    • Parte 2: Métricas de Clasificación y Curvas ROC
  • 06 Máquinas de Soporte Vectorial
    • Parte 1: SVM Hard Margin
    • Parte 2: SVM Soft Margin
  • 07 Arboles de decisión
    • Parte 1
    • Parte 2
  • 09 Redes Neuronales
    • Parte 1: Introducción
    • Parte 2: PyTorch
      • Parte A
    • Parte 3: PDI y CNN
      • Parte A
      • Parte B
• Aprendizaje No Supervisado
  • 08 Agrupamiento
    • Parte 1: K-medias
    • Parte 2: Agrupamiento Jerárquico
    • Parte 3: Reducción de Dimensionalidad

Introducción

00 Introducción y preliminares

Parte 1: Aprendizaje automático

• Fecha: 30/10/2024

Parte 2: Álgebra Lineal

• Fecha: 06/11/2024

Aprendizaje supervisado

01 Regresión Lineal

Parte 1: Derivando el problema

• Fecha: 08/11/2024

Parte 2: Formulación y derivación de ecuaciones normales usando matrices

• Fecha: 13/11/2024

Parte 3: Scikit-Learn vs Numpy

• Fecha: 20/11/2024

Parte 4: Descenso del gradiente

• Fecha: 22/11/2024

02 Regresión Logística

Parte 1: Deducción de la función de pérdida L(Beta)

Parte 2: Uso de Scikit-Learn con Regresión logística

03 Regularización

Parte 1: Conceptos

Parte 2: Camino de regularización

04 Trade-off bias variance

05 Evaluación y selección de modelos

Parte 1: Pipeline + Matriz de confusión

Parte 2: Métricas de Clasificación y Curvas ROC

06 Máquinas de Soporte Vectorial

Parte 1: SVM Hard Margin

Parte 2: SVM Soft Margin

07 Arboles de decisión

Parte 1

Parte 2

09 Redes Neuronales

Parte 1: Introducción

Parte 2: PyTorch

Parte A

Parte 3: PDI y CNN

Parte A

Parte B

Aprendizaje No Supervisado

08 Agrupamiento

Parte 1: K-medias

Parte 2: Agrupamiento Jerárquico

Parte 3: Reducción de Dimensionalidad

Todas las imágenes generadas con prompts del contenido en Midjourney y Leonardo.ai