Descripción
Utilización de inteligencia artificial para solucionar problemáticas de la movilidad, y utilizarlas como una herramienta para implementar prácticas sustentables. Especial atención a reducir prácticas inseguras de los usuarios, como exceso de velocidad y conducción deficiente.
Repositorio en Github: https://github.com/HUBIQmx/IAmovilidad
Conceptos básicos.
Aprendizaje de máquina.
Aplicaciones.
Aprendizaje supervisado.
Ejemplos.
Polinomios y múltiples dimensiones.
Problemas de clasificación.
Idea general
Implementación en Python
Problema de clasificación binaria
Aprendizaje supervisado. Problemas de clasificación.
Implementación en Python
Clasificación.
Implementación en Python y comentarios finales
Redes Neuronales Artificiales (RNAs).
Perceptrón y Modelo de Neurona Simple.
Clases no linealmente separables.
Perceptrón multicapa.
MLP para clasificación.
MLP para clasificación con imágenes.
Aprendizaje profundo.
Introducción.
Ejemplos.
Implementación en Python.
Modelo CART.
Random forest, Métodos de ensamble.
Introducción.
Implementación en Python.
Bag of words.
Bag of n-grams.
Term frequency–Inverse document frequency.
Error y evaluación.
Estimar el error.
Métricas para la medición del error.
Curvas de precisión y recall.
Curvas ROC y AUC.
Introducción.
Agrupamiento.
K medias.
Expectation Maximization.
Agrupamientos por densidad.
DBSCAN.
Algoritmo Apriori.
Acerca del instructor:
Dr. Iván Razo-Zapata - COCOA & LiCore AC