1. Introdución á aprendizaxe automática e a minería de datos |
1.1. Conceptos preliminares.
1.2. Análise exploratorio de datos
1.3. Tipos de problemas: clasificación, regresión, clustering, detección de anomalías, etc.
1.4. Formas de aprendizaxe: supervisado, non supervisado, por reforzo, etc.
|
Modelos para a clasificación supervisada e non supervisada |
2.1. Conceptos preliminares
2.2. Modelos principais: k-veciños máis próximos, SVMs, clustering, etc. |
4. Técnicas de procesado de datos |
4.1. Preparación dos datos e normalización
4.2. Redución da dimensión |
6. Control Estatístico da Calidade |
6.1. Gráficos de control
6.2. Análise de capacidade de procesos
|