PROGRAMA

M1: Introducción a Machine learning (6 créditos)
El objetivo de este primer módulo es dar al alumno/a una introducción al problema del machine
learning incidiendo en su aplicación a problemas reales. La metodología que se aplicará será de
carácter práctico, explicando el fundamento de las técnicas, pero sin entrar en excesivo detalle de su
funcionamiento interno. De esta forma se podrá dedicar más tiempo a explicar cómo se usan y que
tipo de problemas reales pueden resolver.
Algunas de las cuestiones que se tratarán son las siguientes:

• Tipos de problemas de machine learning
• Aprendizaje supervisado: técnicas de clasificación y regresión
• Aprendizaje no supervisado: técnicas de agrupamiento.
• Sistemas de recomendación
• Aplicación de técnicas de Machine learning a problemas reales

M2: Machine learning con python (6 créditos)
El segundo módulo tiene como objetivo la práctica de todos los conceptos vistos en el primer
módulo usando un conjunto de bibliotecas para python. Se mostrarán las bibliotecas más utilizadas
en las aplicaciones reales.
Algunas de las cuestiones que se tratarán son las siguientes:

• Bibliotecas numpy, pandas y skilearn.
• Servicios de Amazon y Google en la nube para aplicaciones de ML.
• Despliegue de aplicaciones con Spark.

M3: Deep learning (6 créditos)
El tercer módulo está dedicado en exclusiva a deep learning. Al igual que en el módulo 1, se usará
un enfoque eminentemente práctico para aprender a realizar aplicaciones como las que se están
usando en aplicaciones actuales. Se usarán las librerías que se están usando en la actualidad como
tensorflow y pytorch.
Algunas de las cuestiones que se tratarán son las siguientes:

• Introducción a las redes neuronales
• Redes neuronales profundas
• Redes convolucionales
• Redes recurrentes
• Autoencoders