Aprendizaje automático (Machine Learning) de forma sencilla

El Aprendizaje Automático está en todas partes. Desde diagnósticos médicos, reconocimiento del habla escritura a trading automático y recomendaciones de películas. Técnicas de aprendizaje automático están siendo utilizadas para tomar decisiones críticas durante todo el día. Cada problema de aprendizaje automático es único, por lo que puede ser complicado gestionar datos, identificar características clave que impacten modelos, entrenar múltiples modelos y realizar valoraciones de modelos.

En esta sesión exploraremos los fundamentos del aprendizaje automático con MATLAB. A través de varios ejemplos revisaremos los flujos de trabajo típicos para aprendizaje supervisado (clasificación) y aprendizaje no supervisado (clustering).  

Entre lo más destacado:

• Acceso, exploración, análisis y visualización de datos con MATLAB.
• Utilizando la app Classification Learner y funciones en la Statistics and Machine Learning Toolbox para realizar tareas típicas de aprendizaje máquina como:
  • Selección y transformación de características
  • Especificación de esquemas de validación cruzada
  • Entrenamiento de modelos de clasificación como máquinas de vector soporte (SVMs), árboles de decisión boosted and bagged, k vecino más próximo y análisis discriminante
  • Valoración y comparación de modelos utilizando matrices de confusión y curvas ROC para ayudar a elegir el mejor modelo para los datos
• Integración de modelos entrenados en aplicaciones como visión artificial, procesado de señal y analítica de datos

Paz Tárrega es especialista dentro de MathWorks en estadística, cálculo paralelo, optimización y procesado de imagen, principalmente. Paz es licenciada en Matemáticas por la Universidad Autónoma de Madrid y Máster en Física y Matemáticas por la Universidad de Granada.