1
Cuando los Modelos Encuentran los Datos
Riesgo empírico, selección de modelos, inferencia probabilística.
Sub-área
Machine Learning
Basado en los Capítulos 8-12 de Mathematics for Machine Learning, más teoría de la información. Los algoritmos clásicos que todo data scientist debe conocer.
Empezar con Capítulo 1Capítulos
2
Mezcla de Gaussianas y EM
GMM, máxima verosimilitud, algoritmo Expectation-Maximization.
3
Support Vector Machines
Hiperplanos de separación, dual, kernels, solución numérica.
4
Regresión Lineal (visión ML)
MLE, basis functions, Ridge, LASSO, Elastic Net, evaluación.
5
PCA: Principal Component Analysis
Reducción de dimensionalidad, SVD, varianza explicada, scree plot.
6
Teoría de la Información
Entropía, cross-entropy, KL, información mutua.