Este curso profundiza en las técnicas y algoritmos más utilizados en minería de datos. En particular se incluyen las técnicas de aprendizaje reforzado que han ido captando el interés en forma rápida por la amplia gama de aplicaciones donde puede usarse. Adicionalmente en este curso se estudian técnicas de Web Mining y análisis de texto.
Dirigido a:
- Todas las personas que necesiten o estén interesadas en adquirir las habilidades para aplicar técnicas de Data Mining a su trabajo.
- Todas las personas que han aprendido lo esencial de Data Mining, pero necesitan profundizar y adquirir algo de fundamentos estadísticos.
Objetivo de aprendizaje:
- Aplicar técnicas avanzadas de minería de datos para extraer información accionable de la data.
- Modelos alternativos de minería de datos.
- Extensión de los modelos de machine learning.
- Web Scraping.
- Text análisis.
- Aprendizaje reforzado.
- Introducción.
- Diferencias con otros modelos de aprendizaje.
- Agentes.
- Funcionamiento en base a premios, castigos y fuerza bruta.
- Q-Learning.
▪ Introducción.
▪ Ecuación de Bellman.
▪ Explorar vs Explotar.
Ph.D. Computer Science, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Universidad de Chile. Profesor Asociado del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC.
Doctor en Ciencias de la Ingeniería e Ingeniero Civil de Industrias, mención en Transporte, UC. Profesor Asistente del Departamento de Ingeniería de Transporte y Logística UC, donde dicta cursos en modelos de demanda, análisis de comportamiento y equilibrio en redes. Investigador del Centro de Desarrollo Urbano Sustentable (CEDEUS) y del BRT+ Centre of Excellence. Sus intereses de investigación incluyen el comportamiento de viajeros, análisis de demanda, actividades y movilidad, ciencia de datos, planificación de sistemas de transporte público y sustentable.
