Introducción al aprendizaje supervisado

Presentaciones

1. ¿Qué es el aprendizaje supervisado?

2. ¿En que sentido el aprendizaje supervisado es posible?.

3. Mi primer modelo de aprendizaje

4. ¿Y porque esas funciones de activación y de costo? Una presentación sobre GLM

5. Una presentación sobre métricas o como saber si mi modelo está bien usando diferentes métricas como coeficiente de determinación, matrices de confusión o la curva ROC

6. Presentación sobre validación de M. Magdon-Ismail

7. Introducción a las MLOps.

8. Presentación sobre el overfiting de M. Magdon-Ismail

9. Presentación sobre regularización de M. Magdon-Ismail

Documentación complementaria

1. Documento sobre GLM del curso de Andrew Ng de Stanford.

2. La página de wikipedia de la familia exponencial de distribuciones de probabilidad.

3. El modulo statmodels para python, así como un libro de Peter K. Dunn y Gordon K. Smyth sobre GLM en R.

Libretas jupyter

1. Un ejemplito de la heurística de la dimensión VC

2. Como usar MLFlow para el seguimiento de experimentos de aprendizaje automático

3. Comparación de modelos de clasificación

4. Un libreta sobre regresión lineal con regularización

5. Una libreta para visualizar las diferentes opciones de validación cruzada que vienen en scikit-learn