Programa del Curso

Introducción

Teoría de la Probabilidad, Selección de Modelos, Teoría de la Decisión y de la Información

Distribuciones de probabilidad

Modelos lineales para regresión y clasificación

Neural Networks

Métodos del kernel

Máquinas de kernel dispersas

Modelos gráficos

Modelos de mezcla y EM

Inferencia aproximada

Métodos de muestreo

Variables latentes continuas

Datos secuenciales

Combinación de modelos

Resumen y conclusión

Requerimientos

  • Comprensión de la estadística.
  • Familiaridad con el cálculo multivariante y el álgebra lineal básica.
  • Algo de experiencia con probabilidades.

Audiencia

  • Analistas de datos
  • Estudiantes de doctorado, investigadores y profesionales
 21 horas

Número de participantes



Precio por participante

Testimonios (3)

Categorías Relacionadas