U1. INTRODUCCIÓN AL MACHINE LEARNING

¿Qué es Machine Learning?

01 - Definiciones básicas y aplicaciones típicas: Video 13mins
Se introduce el concepto de Machine Learning y se discuten algunas aplicaciones típicas.

02 - Modelos controlados por datos: Video 19mins
Se discuten los conceptos básicos de los modelos controaldos por datos que rigen a todos los modelos de ML.

03 - Tipos de aprendizaje automático: Video 26mins
Se presentan los tipos de aprendizaje automático más comunes: supervisado, no supervisado, auto supervisado y por refuerzo, así como la nomenclatura matemática básica que se usa para representar los problemas supervisados y no supervisados.

04 - Aprendizaje supervisado: clasificación vs regresión: Video 12mins
Se explica la diferencia entre los problemas de aprendizaje supervisado conocidos como clasificación y regresión, así como sus formas de representación gráfica.

05 - Componentes de un modelo de ML: Video 11mins
Se explican los tres componentes básicos que deben considerarse cuando se selecciona un modelo de ML y los diferentes niveles de abstracción en los que se puede aproximar una solución.

Modelos básicos de aprendizaje

06 - Regresión múltiple: Video 31mins
Se repasa el modelo de regresión múltiple y de los tres componentes básicos del modelo de acuerdo con las ideas discutidas en la sesión anterior, desde una perspectiva de alto nivel.

07 - Algoritmo de gradiente descendente: Video 32mins
Se continúa con el análisis de la regresión múltiple desde perspectivas de mediano y bajo nivel, y para esta última se explica el funcionamiento del algoritmo de gradiente descendente.

08 - Regresión logística: Video 33mins
Con base en un modelo de regresión y en el algoritmo de gradiente descedente se introduce el modelo de regresión logística que sirve para resolver problemas de clasificación y se explica su función de costo conocida como cross-entropy.

09 - Análisis del entrenamiento de una regresión logística: Video 11mins
Se presentan algunos resultados de la ejecución del proceso de entrenamiento de un modelo de regresión logística, para ayudar a comprender el proceso de minimización de la función de costo a partir del algoritmo de gradiente descendente, la modificación iterativa de la frontera de decisión hasta alcanzar la ubicación óptima (de acuerdo con la función de costo) y su correspondiente interpretación en el espacio de búsqueda.

10 - Fronteras no lineales con regresión logística: Video 14mins
Se discute cómo se pueden obtener fronteras de decisión no lineales usando el modelo de regresión logística y los ajustes que deben realizarse para su implementación.

Modelos discriminativos vs modelos generativos

11 - Funciones discriminantes Gausianas: Video 38mins
Se discuten los modelos generativos los cuales utilizan un principio de funcionamiento diferente para resolver los problemas de clasificación y se presenta el modelo de funcionaes discriminantes Gausianas, además se explica el criterio de Máxima Verosimilitud a partir del cual se estiman los parámetros del modelo.

12 - Modelos discriminante lineal, discriminante cuadrático y Naïve Bayes: Video 22mins
Se presentan varios modelos derivados de las funciones discriminantes Gausianas a partir de diferentes configuraciones de la matriz de covarianza del modelo.