2.13.2 DAA/Aprendizaje Supervisado

Cubre técnicas de modelado predictivo donde la variable de salida es conocida, incluyendo algoritmos de regresión y clasificación.
Temas:
Core Tier1

• Modelos de regresión: lineal, logística y polinomial
• Algoritmos de clasificación: k-NN, árboles de decisión, Naive Bayes
• Evaluación de modelos: división entrenamiento/prueba, validación cruzada

Core Tier2

• Métodos de ensamble: bosques aleatorios, gradient boosting

Objetivos de Aprendizaje (Learning Outcomes):
Core-Tier1:

1. Construir un modelo predictivo usando regresión o clasificación [Usar]
2. Evaluar el desempeño del modelo usando métricas apropiadas [Evaluar]
3. Implementar una división entrenamiento/prueba para validación de modelos [Usar]

Core-Tier2:

1. Describir el concepto y beneficios del aprendizaje por ensamble [Familiarizarse]