5.49.4.7 Formulación del Aprendizaje Automático y Evaluación (3 horas) [Habilidades AG-C09]

Referencias Bibliográficas: [Goodfellow et al., 2016a]

Temas

1. Formulación del aprendizaje automático simple como un problema de optimización, como regresión lineal por mínimos cuadrados o regresión logística:
   1. Función objetivo
   2. Descenso de gradiente
   3. Regularización para evitar sobreajuste (formulación matemática)
2. Conjuntos de modelos:
   1. Combinación de mayoría ponderada simple
3. Evaluación de rendimiento:
   1. Otras métricas para clasificación (por ejemplo, error, precisión, exhaustividad)
   2. Métricas de rendimiento para regresores
   3. Matriz de confusión
   4. Validación cruzada:
      1. Ajuste de parámetros (búsqueda en cuadrícula/aleatoria, mediante validación cruzada)

Aprendizaje esperado (Learning Outcomes)

1. Comparar y contrastar varias técnicas de aprendizaje (por ejemplo, árboles de decisión, regresión logística, Bayes ingenuo, redes neuronales y redes de creencia), proporcionando ejemplos de cuándo cada estrategia es superior [Comparar]
2. Evaluar el rendimiento de un sistema de aprendizaje simple en un conjunto de datos del mundo real [Evaluar]

3. Caracterizar el estado del arte en teoría del aprendizaje, incluyendo sus logros y limitaciones [Explicar]
4. Explicar el problema del sobreajuste, junto con técnicas para detectar y manejar el problema [Explicar]
5. Explicar el triple compromiso entre el tamaño de un espacio de hipótesis, el tamaño del conjunto de entrenamiento y la precisión del rendimiento [Explicar]