|
Guía DocenteCurso Facultade de Informática |
| Mestrado Universitario en Técnicas Estadísticas (Plan 2019) |
 Asignaturas |
| Aprendizaxe Estatístico |
| Contidos |
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Aprendizaxe Estatístico | Código | 614493125 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 1º cuadrimestre |
Segundo | Optativa | 5 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| Introdución á aprendizaxe estatística | Aprendizaxe estatística e aprendizaxe automática. Métodos de aprendizaxe estatística: supervisados e non supervisados. Construción e avaliación dos modelos. A maldición da dimensionalidade. Análise e interpretación dos modelos. Paquetes de R. |
| Métodos de aprendizaxe supervisada para clasificación | Métodos baseados en árbores. Bagging, bosques aleatorios e boosting. Máquinas de soporte vectorial (support vector machines). Outros métodos de clasificación. |
| Métodos de aprendizaxe supervisada para regresión | Modelos lineais xeneralizados e modelos aditivos. Métodos non paramétricos. Selección de variables e métodos de regularización: regresión contraída (ridge) e lasso. Métodos de redución da dimensión: compoñentes principais e mínimos cadrados parciais. Regresión por projection pursuit. Redes neuronais. Métodos colaborativos. |
|
