Bienvenidos

Le damos la bienvenida a este taller que se llevará a cabo en la Universidad de los Andes los días 26 y 27 de marzo. 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, incluidas las diapositivas. Esperamos que estos recursos diseñados especialmente para ustedes sean de su agrado.

En este taller vamos a trabajar sobre tres ideas principales:

  1. Estimar del error de generalización.
  2. Separar el error entre sesgo y varianza.
  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.

Esperamos que este taller sea una experiencia enriquecedora para todos. Si tienen preguntas o inquietudes previas al evento, no duden en contactarnos.

Agenda del Workshop

Día 1

  • Introducción a Machine Learning
  • Procesamiento de datos
  • Regresión logística
  • Árboles de decisión

Día 2

  • Random Forest
  • Regresión lineal
  • Regularización

Organizadores

  • Francisco Cardozo (foc9@miami.edu)
  • María Fernanda Reyes
  • Eric C. Brown

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

  • Taller en la Universidad de los Andes octubre 2023
  • Taller en La Universidad Nacional octubre 2023
  • Taller en el Seminario Internacional de educación Noviembre 2023
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 Universidad de los Andes, la Corporación Nuevos Rumbos y el El Instituto Colombiano para la Evaluación de la Educación (ICFES),. 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.