03/07/2018 versión de impresión

REPORTE DE ASIGNATURA
fecha y hora de generación: 03/07/2018 01:41 PM
reporte impreso por: visitante [no identificado], para el período académico [ 2018-II ]

--- | visitante[no identificado] [visitante]

2019764 | Aprendizaje De Máquina

[ Información de la Asignatura ]
Asignatura vigente Nivel
Si PREGRADO
Unidad Académica Básica
Créditos
DEPARTAMENTO DE INGENIERIA DE SISTEMAS E INDUSTRIAL
4
BOGOTA
Horas presenciales Horas no presenciales
4 ---
Validable Libre Elección
Si No
Porcentaje Mínimo de Asistencia Número de Semanas
%

[ Descripción de la Asignatura ]
Descripción
El objetivo principal del Aprendizaje de Maquina (AM) es el desarrollo de sistemas que son capaces de cambiar autónomamente su
comportamiento basado en la experiencia. El AM ofrece algunas de las técnicas más eficaces para el descubrimiento de conocimientos
en grandes conjuntos de datos. El AM ha jugado un papel fundamental en áreas como la bioinformática, la recuperación de información,
inteligencia de negocios y desarrollo de vehículos autónomos. El objetivo principal de este curso es el estudio de los fundamentos
informáticos, matemáticos y estadísticos del AM, que son esenciales para el análisis teórico de los actuales algoritmos de aprendizaje, el
desarrollo de nuevos algoritmos y la aplicación sustentada del AM para resolver problemas del mundo real.

[ Planes Relacionados ]

código plan
2702 MAESTRIA EN INGENIERIA - INGENIERIA DE SISTEMAS Y COMPUTACIÓN
2684 DOCTORADO EN INGENIERIA - SISTEMAS Y COMPUTACION
2920 MAESTRIA EN CIENCIAS - ESTADISTICA
2838 DOCTORADO EN INGENIERÍA - INDUSTRIA Y ORGANIZACIONES
BAPI MODALIDAD ASIGNATURAS EN POSGRADO FACULTAD DE INGENIERÍA
BAPC MODALIDAD ASIGNATURAS EN POSGRADO FACULTAD DE CIENCIAS
2882 MAESTRÍA EN BIOINFORMÁTICA
2698 MAESTRIA EN INGENIERIA - AUTOMATIZACION INDUSTRIAL
2839 DOCTORADO EN INGENIERIA - INGENIERIA MECANICA Y MECATRONICA
2633 MAESTRIA EN CIENCIAS - MATEMATICA APLICADA
2626 MAESTRIA EN CIENCIAS - ESTADISTICA
2865 MAESTRÍA EN INGENIERÍA - INGENIERÍA ELECTRÓNICA
2707 MAESTRIA EN INGENIERIA - TELECOMUNICACIONES
2708 MAESTRIA EN INGENIERIA - INGENIERIA INDUSTRIAL
2756 MAESTRIA EN INGENIERIA BIOMEDICA
BGFI OPCION DE GRADO - CURSOS EN POSGRADO - FACULTAD DE INGENIERIA
2685 DOCTORADO EN INGENIERIA - INGENIERIA ELECTRICA
BGFC OPCION DE GRADO - CURSOS EN POSGRADO - FACULTAD DE CIENCIAS
2703 MAESTRIA EN INGENIERIA - INGENIERIA ELECTRICA

[ Contenidos ]

INTRODUCTION

BAYESIAN DECISION THEORY

1. A review of probability theory 2. Classification 3. Loss and risk 4. Maximum likelihood estimation 5.
Bayesian estimation 6. Parametric Classification

https://siabog.unal.edu.co/academia/apoyo-administrativo/ConsultaContenidosImprimible.do;jsessionid=?idAsignatura=2019764 1/2
03/07/2018 versión de impresión

KERNEL METHODS
1. The kernel trick 2. Kernel ridge regression 3. Kernel functions 4. Other kernel Algorithms 5. Kernels in
complex structured data

SUPPORT VECTOR LEARNING

1. Support vector machines 2. Regularization and model complexity 3. Risk and empirical risk 4. SVM
variations

PERFORMANCE EVALUATION
1. Performance evaluation in supervised learning 2. Performance evaluation in unsupervised learning 3.
Hypothesis testing

UNSUPERVISED LEARNING
1. Mixture densities 2. Expectation maximization 3. Mixture of latent variables models 4. Latent semantic
analysis 5. Non-negative matrix factorization

DEEP LEARNING

LARGE SCALE MACHINE LEARNING

INFORMACIÓN IMPORTANTE
Señor Usuario:
Si encuentra inconsistencias en la información aqui presentada, por favor dirijase al Departamento, Escuela o Instituto que ofrece esta asignatura, con
los documentos que permitan verificar la veracidad en los datos.
Universidad Nacional de Colombia | 2009 | Sistema de Información Académica

https://siabog.unal.edu.co/academia/apoyo-administrativo/ConsultaContenidosImprimible.do;jsessionid=?idAsignatura=2019764 2/2