Diferencia entre revisiones de «Sistemas de aprendizaxe automáticos»
Ir a la navegación
Ir a la búsqueda
| Línea 18: | Línea 18: | ||
* [[Sistemas de aprendizaje automático]] | * [[Sistemas de aprendizaje automático]] | ||
* [[Técnicas para desarrollar aprendizaje automático]] | * [[Técnicas para desarrollar aprendizaje automático]] | ||
| − | * Algoritmos o modelos aplicados al aprendizaje automático | + | * [[Algoritmos o modelos aplicados al aprendizaje automático]] |
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
* Procedimientos del Machine Learning: Datos, identifica patrones y toma decisiones. | * Procedimientos del Machine Learning: Datos, identifica patrones y toma decisiones. | ||
* Herramientas de. Aprendizaje automático. | * Herramientas de. Aprendizaje automático. | ||
Revisión del 19:30 27 feb 2023
Sumario
- 1 Introdución
- 2 Contidos
- 3 Determinación de sistemas de aprendizaje automático (Machine Learning)
- 4 Algoritmos aplicados al aprendizaje supervisado y optimización del modelo
- 5 Aplicación de técnicas de aprendizaje no supervisado
- 6 Aplicación de modelos computacionales de redes neuronales y comparación con otros modelos
- 7 Valoración de la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático
Introdución
O módulo profesional Sistemas de aprendizaxe automáticos ten:
- o código MP5072
- unha duración de 91 horas
Contidos
Caracterización de la Inteligencia Artificial fuerte y débil
Determinación de sistemas de aprendizaje automático (Machine Learning)
- Sistemas de aprendizaje automático
- Técnicas para desarrollar aprendizaje automático
- Algoritmos o modelos aplicados al aprendizaje automático
- Procedimientos del Machine Learning: Datos, identifica patrones y toma decisiones.
- Herramientas de. Aprendizaje automático.
- Aplicaciones del Machine Learning.
Algoritmos aplicados al aprendizaje supervisado y optimización del modelo
- Determinación de elementos y herramientas de aprendizaje supervisado.
- Datos etiquetados.
- Variables de entrada (input data). Etiquetas de salida.
- Plataformas de aprendizaje automático supervisado.
- Fases del aprendizaje automático:
- Selección del algoritmo de aprendizaje supervisado.
- Selección de datos.
- Construcción del modelo.
- Validación del modelo.
- Ajuste de características o parámetros.
- Implementación del modelo propuesto.
- Verificación del modelo de prueba.
- Optimización del modelo.
Aplicación de técnicas de aprendizaje no supervisado
- Técnicas de aprendizaje no supervisado
- Algoritmos de aprendizaje no supervisado. Agrupación de cluster, Reducción de dimensión, entre otros.
- Determinación de elementos y herramientas de Aprendizaje no supervisado.
- Plataformas de aprendizaje automático no supervisado.
- Fases del aprendizaje automático no supervisado.
Aplicación de modelos computacionales de redes neuronales y comparación con otros modelos
- Aprendizaje automático frente a aprendizaje profundo.
- Cómo aprende una red neuronal.
- Modelos de redes neuronales artificiales: Redes neuronales convolucionales (CNN).
Valoración de la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático
- Capacidad de generalización.
- Test.
- Validación.
- Matriz de confusión
Estes apuntes foron creados para o módulo profesional Sistemas de aprendizaxe automáticos do ciclo de grao especialización Intelixencia artificial e big data. Creados e editados por José López Villar baixo a licenza Creative Commons 3.0:
- Copiar, distribuír e comunicar publicamente a obra, sempre mencionando ós autores.
- Uso non comercial.
- Compartir as modificacións baixo a mesma licenza.
