DISC_MachineLearning

Repositorio creado para el Curso de Machine Learning (Aprendizaje de Máquinas) en el programa de Doctorado en Ingeniería de Sistemas Complejos de la Universidad Adolfo Ibáñez.

Profesor: Gonzalo Ruz. Facultad de Ingeniería y Ciencias, UAI.

Ayudante: Carlos Sepúlveda.

Eduardo Carrasco Vidal

I. Notebook Utilizados en Clases:

1. Introducción a Machine Learning (Clase 1).
2. Árboles de Decisión - Aprendizaje de Ensambles (Clase 2).
3. Modelos Lineales - Regresión Lineal/Logística y Métodos de Regularización (Clase 3).
4. Selección de Modelos (Clase 4).
5. Support Vector Machine - Kernelization (Clase 5).
6. Aprendizaje Bayesiano (Clase 6).
7. Introducción a Redes Neuronales (Clase 7).
8. Implementación del Perceptron (Clase 7).
9. Usando Redes Neuronales (Clase 8).
10. Redes Neuronales Convolucionales CNN (Clase 9).
11. Redes Neuronales Recurrentes - Long Short Term Memory - GRU (Clase 10).
12. Aprendizaje No Supervisado - Clustering: Kmeans - Mean Shift - Hierarchical Clustering - DBSCAN - Cluster Validity Index (Clase 11).
13. Clustering - EM Algorithm - Model Comparison (Clase 12).

II. Notebook Utilizados en Ayudantías:

1. Regresión Logística - Árboles de Decisión - Métodos de Ensamble (Ayudantía 1).
2. Random Forrest - Adaboosting - Gradient Boosting Machine - EGBM - Crossval - GridSearch + CrossValidation (Ayudantía 2).
3. Cross Validation - Shuffle K Fold (Ayudantía 3).
4. Suppor Vector Machine - Grid Search - Classification Report (Ayudantía 4).
5. Árboles de decision (Regressor) - Naive Bayes (Ayudantía 5).
6. Redes Neuronales con TS y Keras (Ayudantía 6 - Fashion MNIST - Classification).
7. Redes Neuronales - Parte 2 (Ayudantía 7 - Seul Bike - Regression).
8. Redes Neuronales Convolucionales - Parte 1 (Ayudantía 8 - Fashion MNIST - Classification).
9. Redes Neuronales Convolucionales - Parte 2 (Ayudantía 9 - CIFAR 10 - Classification).
10. Redes Neuronales Recurrentes - Long Short Term Memory LSTM (Ayudantía 10 - Yahoo Finance - Regression).
11. Transformers (Ayudantía 11).

III. Desarrollo de Tareas:

1. Tarea 1 - Árboles de Decisión (DecisionTreeClassifier).
2. Tarea 2 - Random Forest / SVM / Knn / Logistic Regression.
3. Tarea 3 - Naive Bayes Classifier.
4. Tarea 4 - Uso de Redes Neuronales.
5. Tarea 5 - Redes Neuronales Convolucionales.
6. Tarea 6 - Redes Neuronales Recurrentes - LSTM (Yahoo Finance - Regression).
7. Tarea 7 - Aprendizaje No Supervisado - KMeans / Mean Shift / DBSCAN ( Telescope Data ).