ML9000 - Proyecto Final de Graduación

En este curso el estudiante desarrollará de principio a fin, siguiendo las buenas prácticas de gestión de proyectos en Machine Learning, su propio proyecto con datos de la empresa en donde trabaja o datos en los cuales está particularmente interesado(a).

Objetivos

estudiante será capaz de:

Utilizar adecuadamente la metodología CRISP-DM para el desarrollo de proyectos en Machine Learning.
Distinguir entre un proyecto de segmentación, clasificación, regresión y series de tiempo.
Elegir, para un problema concreto, qué técnicas de Machine Learning son las más apropiadas.
Determinar la herramienta de software más adecuada para el enfrentar el problema planteado.
Generar los modelos y patrones elegidos utilizando una herramienta o paquete de Machine Learning.
Evaluar la calidad de un modelo, utilizando técnicas sencillas de evaluación, validación cruzada.
Integrar sistemas de Bases de Datos desde Python.
Presentar resultados en aplicaciones Web.

Metodología:

Basado en la teoría y en la aplicación directa de los conceptos aprendidos. Para esto se dispondrán de las siguientes herramientas:

Una vídeo conferencia semanal, las cuales quedarán grabadas en Zoom, para que los alumnos la puedan acceder en cualquier momento.
Trabajos prácticos semanales.
Foros para plantear dudas al tutor y compañeros disponible 24/7.
Aula virtual en Moodle con materiales didácticos.

Instructor

Ph.D. Oldemar Rodríguez R.

Catedrático de la Universidad de Costa Rica, tiene un Ph.D. del UFR Matemáticas de la Decisión de la Universidad de París - PSL y un diploma postdoctoral de la Universidad de Stanford en California en "Data Mining and Applications". En la Universidad de Costa Rica obtuvo su bachillerato y licenciatura en Matemática Pura y en el Instituto Tecnológico de Costa Rica se graduó como Máster en Ciencias de la Computación.