Download - Machine learning: presentación
![Page 1: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/1.jpg)
Machine Learning
Presentación
Angel Vázquez-Patiñ[email protected]
Departamento de Ciencias de la ComputaciónUniversidad de Cuenca
24 de agosto de 2017
![Page 2: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/2.jpg)
24/08/17 Angel Vázquez-Patiño 2/32
Objetivos
1. Dar una motivación del tema
2. Presentar los objetivos del curso
3. Presentar el contenido del curso
4. Presentar la metodología del curso
5. Explicar las políticas del aula
6. Dar recomendaciones
![Page 3: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/3.jpg)
24/08/17 Angel Vázquez-Patiño 3/32
Contenido
Motivación
Objetivo
Sílabo
Políticas
Recomendaciones
![Page 4: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/4.jpg)
24/08/17 Angel Vázquez-Patiño 4/32
Motivación
![Page 5: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/5.jpg)
24/08/17 Angel Vázquez-Patiño 5/32
Motivación● Vivimos en un diluvio de datos● 1018 bytes a diario (2016)● 90% sólo en la década pasada● La mayoría no puede ser entendida por los
humanos● Más allá de métodos analíticos estándar o
vastos para nuestros límites de comprensión
![Page 6: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/6.jpg)
24/08/17 Angel Vázquez-Patiño 6/32
Motivación● Con ML permitimos a las máquinas procesar,
aprender de y tener intuición del conocimiento implícito de big data, no posible de otro modo
● Desde los supercomputadores que soportan el motor de búsqueda de Google hasta los smartphones, confiamos en ML sin saberlo
![Page 8: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/8.jpg)
24/08/17 Angel Vázquez-Patiño 8/32
Motivación
![Page 10: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/10.jpg)
24/08/17 Angel Vázquez-Patiño 10/32
Motivación
![Page 11: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/11.jpg)
24/08/17 Angel Vázquez-Patiño 11/32
Objetivo
![Page 12: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/12.jpg)
24/08/17 Angel Vázquez-Patiño 12/32
Objetivo● Aprender los conceptos fundamentales que
gobiernan las diferentes técnicas de ML.
Específicamente● Entender los conceptos fundamentales de ML.● Comprender un grupo limitado de algoritmos
(los más generales y utilizados) que se utilizan en el dominio de ML.
● Poner en práctica la mayoría de algoritmos aprendidos con bases de datos reales (problemas reales).
![Page 13: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/13.jpg)
24/08/17 Angel Vázquez-Patiño 13/32
Sílabo
![Page 14: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/14.jpg)
24/08/17 Angel Vázquez-Patiño 14/32
ContenidoMetodología
![Page 15: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/15.jpg)
24/08/17 Angel Vázquez-Patiño 15/32
Políticas
![Page 16: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/16.jpg)
24/08/17 Angel Vázquez-Patiño 16/32
Políticas
Lo que esperan del profesor
![Page 17: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/17.jpg)
24/08/17 Angel Vázquez-Patiño 17/32
Políticas
Lo que ofrecen
![Page 18: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/18.jpg)
24/08/17 Angel Vázquez-Patiño 18/32
Políticas
Horario● “Es difícil mostrarte confiable cuando la gente
tiene que esperarte.” Wes Fessler● Pero si se llega tarde, no hacer ruido
Consultas● Organización con anticipación● Correo electrónico institucional, ¡Asunto!● Canal Telegram (opcional)
![Page 19: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/19.jpg)
24/08/17 Angel Vázquez-Patiño 19/32
Políticas
La puntualidad
Regla de oro● Si estás 5 minutos antes, estás a tiempo● Si estás a tiempo, ya estás tarde● Si estás tarde, ya no estás
La puntualidad es● Orden, disciplina, respeto, responsabilidad,
actitud positiva
La puntualidad es el alma de la cortesía
![Page 20: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/20.jpg)
24/08/17 Angel Vázquez-Patiño 20/32
Políticas
Deshonestidad académica● Copia en examen o prueba, 0● Plagio, 0● Estatuto de la Universidad de Cuenca (2014)
Art. 124.- Constituyen faltas graves sancionadas con la pérdida de una o varias asignaturas, según las circunstancias y gravedad de la falta: Plagiar trabajos, investigaciones o copiar exámenes para obtener calificaciones.
![Page 21: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/21.jpg)
24/08/2017 Angel Vázquez-Patiño 21/32
Políticas
Deshonestidad académica
![Page 22: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/22.jpg)
24/08/17 Angel Vázquez-Patiño 22/32
Recomendaciones
![Page 23: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/23.jpg)
24/08/17 Angel Vázquez-Patiño 23/32
Recomendaciones
Slideshare● https://www.slideshare.net/angenio2
Lo mínimo● Abu-Mostafa, Y.S., Magdon-Ismail, M., Lin, H.-
T., 2012. Learning from data: a short course. AMLbook.com, S.l.
![Page 24: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/24.jpg)
24/08/17 Angel Vázquez-Patiño 24/32
Recomendaciones
MOOC● Learning From Data (introductory Machine
Learning course)
URLs● https://goo.gl/AgiePy
![Page 25: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/25.jpg)
24/08/17 Angel Vázquez-Patiño 25/32
Recomendaciones
“La disciplina tarde o
temprano vencerá a la
inteligencia.”
Proverbio Japonés
URL: https://youtu.be/ms2gbu58P_0
![Page 26: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/26.jpg)
24/08/17 Angel Vázquez-Patiño 26/32
Recomendaciones
![Page 27: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/27.jpg)
24/08/17 Angel Vázquez-Patiño 27/32
Recomendaciones
![Page 28: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/28.jpg)
24/08/17 Angel Vázquez-Patiño 28/32
Recomendaciones
![Page 29: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/29.jpg)
24/08/17 Angel Vázquez-Patiño 29/32
Enjoy your work
Interciclo
1) Reproducir los resultados de un artículo (≥ 2007)● Primeros 50 https://goo.gl/vSttLE● Tipo Journal https://goo.gl/gvj4Jm● Cualquiera https://goo.gl/JViYH8
2) Aprobar MOOC● ≥ 90 de calificación = 20 examen● 50 ≤ X < 90 de calificación = (19/41)(X-49) examen● < 50 de calificación = 00 examen
![Page 30: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/30.jpg)
24/08/17 Angel Vázquez-Patiño 30/32
Enjoy your work
1) Reproducir los resultados de un artículo● Reporte escrito de máximo 5 páginas (sin
tomar en cuenta las referencias)● Las referencias son las que no están en la lista
de referencias del artículo original● Presentación oral de máximo 20 minutos● Reporte 10 puntos, ● Presentación 10 puntos
![Page 31: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/31.jpg)
24/08/17 Angel Vázquez-Patiño 31/32
Enjoy your work
2) Aprobar MOOC● Se revisa el 1 de diciembre (último día de
exámenes interciclo)
![Page 32: Machine learning: presentación](https://reader031.vdocument.in/reader031/viewer/2022030318/5a6deb9b7f8b9aab3a8b550b/html5/thumbnails/32.jpg)
24/08/17 Angel Vázquez-Patiño 32/32
Preguntas