Tras el estudio de esta asignatura, el alumnado habrá adquirido las siguientes destrezas:
Reconocer los modelos de potenciación (“boosting”) y sus variantes.
Aplicar la potenciación de árboles para problemas de clasificación y regresión.
Identificar los conceptos de regularización, submuestreo y reducción.
Explicar los fundamentos teóricos de los bosques aleatorios, así como los conceptos básicos de muestras “fuera del saco”, importancia de variables y sobreajuste.
Aplicar y analizar bosques aleatorios para problemas de regresión y clasificación
Describir los principios del aprendizaje conjunto y sus aplicaciones.
Identificar los problemas de aprendizaje no supervisado y poder elegir de entre las técnicas disponibles la más adecuada.
Aplicar análisis de agrupamiento automático mediante k-medias y sus variantes.
Explicar los mapas autoorganizados y sus utilidades.
Identificar los problemas de series temporales y analizar las dependencias temporales en una y varias variables.
Manejar los métodos básicos autorregresivos y de medias móviles, así como los de persistencia básica y cíclica.
Adaptar modelos de aprendizaje automático para el modelado y la predicción de series temporales.
