Toggle navigation sidebar
Toggle in-page Table of Contents
Inteligencia Artificial para las Ciencias e Ingenierías
Información del curso abierto
2024.2 UDEA
2024.2 M1 - proyecto sustituto
MODULO 1: Introducción
01.01 - PROYECTO KAGGLE
LAB 01.01 - Practice submission
LAB 01.02 - Metrics
MODULO 2: Python
02.01 - BASIC STRUCTURES
02.02 - MORE PYTHON
02.03 - NUMPY
02.04 - PANDAS
LAB 02.01 - Python
LAB 02.02 - Numpy
LAB 02.03 - Pandas
LAB 02.04 - Card trick
MODULO 3: Generación de modelos
03.01 - MODELS FROM DATA
03.02 - SUPERVISED ALGORITHMS
03.03 - SVMs
LAB 03.01 - Model Generation
LAB 03.02 - Timeseries model
MODULO 4: Gestión de datos
04.01 - DATA EXPLORATION
04.02 - DATA CLEANING
04.03 - HYPOTHESIS TESTING
04.04 - COMPARING SAMPLES
LAB 04.01 - Cleaning Data
LAB 04.02 - Buiding Datasets
MODULO 5: Gestión de modelos
05.01 - TIME SERIES PREDICTIONS
05.02 - MODEL EVALUATION
05.03 - MODEL SELECTION
05.04 - PARTICIPATE IN KAGGLE
LAB 05.01 - Predictions impact
LAB 05.02 - Model evaluation
MODULO 6: Métodos no supervisados
06.01 - CLUSTERING
06.02 - PCA
06.03 - PCA, NMF IN PRACTICE
LAB 06.01 - Clustering companies
LAB 06.02 - NMF face search
MODULO 7: Diseño de algoritmos
07.01 - OPTIMIZATION
07.02 - DESIGN ML ALGORITHMS
07.03 - NEURAL NETWORKS
07.04 - TENSORFLOW
LAB 07.01 - Optimization for ML
LAB 07.02 - Neural networks
Index
