Fundamentos de Aprendizaje Automático

• Conceptos generales de aprendizaje bayesiano y Montecarlo (6 horas) [slides]
• Conceptos generales sobre aprendizaje supervisado (6 horas) [slides]
• Conceptos generales sobre aprendizaje no supervisado: PCA (4 horas) [slides]

Aplicaciones prácticas de Aprendizaje Automático

• Algoritmos de regresión: Ridge, Lasso, ElasticNet, PCR, PLS, etc. (4 horas) [slides]
• Algoritmos de clasificación: KNN, Naive Bayes, ... (4 horas) [slides]
• Arboles de decisión, bosques aleatorios y boosting (4 horas) [slides]
• Support vector machines (4 horas) [slides]
• Algoritmos de clustering: cuantización vectorial (4 horas) [slides]
• DLMs (4 horas) [slides]
• Modelos gráficos probabilísticos (4 horas) [slides]
• Algoritmos bayesianos para clasificación y regresión (4 horas) [slides]

Redes Neuronales

• Introducción a las redes neuronales (4 horas) [slides]
• Introducción al aprendizaje profundo (4 horas) [slides]