1. Introducción al aprendizaje automático y la minería de datos |
1.1. Conceptos preliminares.
1.2. Análisis exploratorio de datos
1.3. Tipos de problemas: clasificación, regresión, clustering, detección de anomalías, etc.
1.4. Formas de aprendizaje: supervisado, no supervisado, por refuerzo, etc.
|
2. Modelos para la clasificación supervisada y no supervisada de datos |
2.1. Conceptos preliminares
2.2. Modelos principales: k-vecinos más próximos, SVMs, clustering, etc.
|
4. Técnicas de procesado de datos |
4.1. Preparación de los datos y normalización
4.2. Reducción de la dimensión para datos de alta dimensión
|
6. Control Estadístico de la Calidad |
6.1. Gráficos de control
6.2. Análisis de capacidad de procesos
|