Machine Learning Practico / 2020
Descripcion del curso
En este curso tomamos un problema y vamos a intentar solucionarlo utilizando Machine Learning. Intentarlo nos va a obligar a ver algunos temas que considero relevantes para la aplicación de Machine Learning, desde un punto de vista teórico, práctico y metodológico.
Pre requisitos
Para poder hacer foco en estos conceptos necesito asumir que quienes realizan el curso conocen los siguientes conceptos
- Gradiente: significado y utilización en optimización de funciones. Regla de la cadena
- Probabilidad: Nocion de esperanza, esperanza condicional y test de hipótesis.
- Programacion: Funciones, módulos, algunas técnicas de visualizacion, paquetes estadísticos.
Temario
Este listado es una versión resumida de algunos temas que vamos a abordar durante el curso
- Aprendizaje supervisado: underfitting / overfitting, regularización, bias/variance trade-off
- Metodología: caso de negocio, hipotesis, experimentos, KPIs, métricas offline, best practices, sanity checks
- Model selection: Grid search, random search, secuential model based optimization, Auto ML
- Procesamiento de lenguaje natural: tf-idf, word2vec, fasttext, transfer learning
