Cronograma
| Semana | Fecha | Temas | Responsables | Enlaces |
|---|---|---|---|---|
| 1 | 04/09/20 | Introducción: Nociones de Probabilidad y Teoría de Información Clasificación estadística: aprendizaje supervisado paramétrico, no paramétrico y no supervisado. |
L. Rufiner C. Martínez |
Video de la Clase Videos |
| 2 | 11/09/20 | Análisis estadístico: PCA. | L. Di Persia | Video 1 Video 2 Video 3 Video 4 Clase de Coloquio |
| 3 | 18/09/20 | Aprendizaje clásico: Redes Neuronales Estáticas, Naive Bayes, K-Nearest Neighbors, K-means, Mixtures of Gaussians, Classifier Ensembles | D. Milone | Intro ANN RBF y SOM Naive Bayes y KNN Ensambles Clase de Coloquio |
| 4 | 25/09/20 | Análisis estadístico: ICA. Factorización de Matrices No-negativas | L. Di Persia | Video 1 Video 2 Video 3 Video 4 Video 5 Slides Clase de coloquio |
| 5 | 02/10/20 | Modelos Ocultos de Markov discretos y continuos. | D. Milone | Videos Clase de Coloquio |
| 6 | 09/10/20 | Aprendizaje basado en árboles | L. Rufiner | Videos |
| 7 | 16/10/20 | Redes Neuronales Dinámicas | L. Rufiner | Videos Videos Clase de Coloquio |
| 8 | 23/10/20 | Introducción al Aprendizaje Profundo Elección de artículos para trabajo final. Entrega de informe de la primera parte del TP N°1. |
L. Rufiner | Video 1 Video 2 Video 3 Video 4 |
| 9 | 30/10/20 | Aprendizaje basado en núcleos: Máquinas de vector soporte | G. Schlotthauer | Video Slides |
| 10 | 06/11/20 | Aprendizaje por refuerzo Métodos de Selección de características |
G. Stegmayer. L. Vignolo. |
|
| 11 | 13/11/20 | Medidas de desempeño y técnicas de validación | L. Vignolo. | |
| 12 | 20/11/20 | Aplicaciones de Aprendizaje Maquinal | G. Stegmayer. | |
| 13 | 27/11/20 | Aplicaciones de Aprendizaje Maquinal | L. Di Persia. | |
| 14 | 04/12/20 | Entrega de informe de la segunda parte del TP N°1. Entrega de informe del TP N°2 completo. |
||
| 15 | 11/12/20 | Trabajos finales: presentación | Todos |
La planificación detallada correspondiente al cursado 2020 se puede descargar de la página de inicio del sitio.
