Resultados de la carrera Outcomes: AG-Ci10,AG-Ci11,AG-Ci12
- Temas
- Compensación sesgo-varianza
- Teoría de Vapnik-Chervonenkis (VC)
- Minimización de riesgo empírico
- Cotass de generalización
- Fundamentos de teoría de aprendizaje
- Objetivos de Aprendizaje (Learning Outcomes)
- Analizar la compensación sesgo-varianza en selección de modelos [Evaluar (Assessment)]
- Aplicar teoría VC para analizar complejidad de modelos [Usar (Usage)]
- Implementar minimización de riesgo empírico [Usar (Usage)]
- Interpretar cotas de generalización [Familiarizarse (Familiarity)]
Bibliografía: [Vapnik, 1998,Hastie et al., 2009]
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM
