Bienvenidos

Le damos la bienvenida a este taller que se llevará a cabo en la Fundación Universitaria Konrad Lorenz. los días 26 y 27 de febrero. En el taller nos enfocaremos en algunas de las técnicas de aprendizaje automático más utilizadas en la actualidad. En esta página, hemos compilado todos los materiales necesarios para cada sesión. Esperamos que estos recursos diseñados especialmente para ustedes sean de su agrado.

En este taller vamos a trabajar sobre tres ideas principales:

  1. Error de generalización
  2. Equilibrio entre la varianza y el sesgo
  3. Regularización

Instrucciones

Pasos previos al taller

Para aprovechar al máximo este taller, es necesario completar las siguientes tareas antes de que inicie el evento:

  1. Creación de una cuenta en Posit Cloud: Si aún no tienes una, por favor, crea una cuenta gratuita en Posit Cloud.

Agenda del Workshop

Día 1

  • Introducción a Machine Learning
  • Procesamiento de datos
  • Modelos
  • Árboles de decisión

Día 2

  • Validación Cruzada
  • Random Forest
  • Regularización

Organizadores

  • Francisco Cardozo (foc9@miami.edu)
  • Eric C. Brown
  • Carlos Eduardo Montoya
  • Rafael Cendales

Diapositivas

Día 1

Día 2

Código de Comportamiento

Este es nuestro Código de Comportamiento. En resumen los asistentes al workshop se compromenten a generar y respetar un entorno inclusivo y seguro para todos los participantes. No se esperan comportamientos inaceptables como la discriminación y el acoso. Cualquier violación a estas normas puede resultar en medidas que van desde advertencias hasta la expulsión del evento.

Otros talleres

Back to top

Agradecimiento

Este workshop es posible gracias la Universidad de Miami, especialmente al grupo PERLA, el Frost Institute for Data Science and Computing, la Fundación Universitaria Konrad Lorenz y la Corporación Nuevos Rumbos. Si encuentras algún aspecto que pueda ser mejorado, por favor envíe un issue en nuestro repositorio de GitHub.

Licencia

Estos materiales han sido desarrollados bajo la siguiente licencia CC BY-SA 4.0 DEED.