Material para las clases de teoría
Aqui podeis encontrar las transparencias utilizadas en clase de teoría y otro material de referenciaTEMA1: Introducción al aprendizaje. Tipos, aproximaciones, limitaciones.
- Transparencias:
- Transparencias introduccion al aprendizaje automatico
- Articulos:
- Tom Mitchell "Does Machine Learning Really Work?". AI Magazine Fall 1997. La UPC ya no tiene acceso electronico a esa revista, pero me lo podeis pedir si quereis leerlo.
TEMA 3: Aprendizaje Inductivo
- Introduccion
- Transparencias:
- Aprendizaje
supervisado
- Transparencias:
- Transparencias del espacio de versiones
- Transparencias del algoritmos inductivos (ID3, K-nn, naive bayes), ejemplo de árboles de decisión
- Transparencias de selección de atributos
- Transparencias de ejemplos de uso de algoritmos supervisados
- Transparencias sobre aprendizaje de redes bayesianas , ejemplo de aprendizaje de redes bayesianas
- Programas
- Programa java para ejecutar el espacio de versiones + ejemplo formas + ejemplo cine (basado en http://www.cs.unimaas.nl/~postma/ml/Cea/candidate.html, (en Holandes)) (Versión local en Castellano)
- Programa para crear árboles de decision + ejemplo personas + ejemplo coches (el original se puede encontrar aqui)
- Applet de K nearest neighbour
- Applet de comparacion de algoritmos supervisados
- Material Adicional:
- Espacio de versiones: esp-ver.zip -esp-ver-pdf.zip
- Contenido: esp-vers.ps - Transparencias sobre el espacio de versiones (19 pags)
- Arboles de inducción: ID3.zip -ID3-pdf.zip
- Contenido:
- ID3-explain.ps - Tutorial sobre ID3 (23 pags)
- ID3-trans.ps - Transparencias resumen sobre ID3 (11 pags)
- ID3-trans2.ps - Otro conjunto de transparencias resumen sobre ID3 (12 pags)
- ID3-trans3.ps - Continuacion de las transparencias anteriores (14 pags)
- Contenido:
- Espacio de versiones: esp-ver.zip -esp-ver-pdf.zip
- Articulos:
- Thomas G. Dietterich "Ensemble Methods in Machine Learning". Articulo que explica los fundamentos de la combinacion de clasificadores
- Aprendizaje
no supervisado
- Transparencias:
- Transparencias sobre aprendizaje no supervisado
- Transparencias de ejemplos de uso de aprendizaje no supervisado
- Apuntes sobre el funcionamiento de COBWEB y ejemplo desarrollado (Postscript, Postscript (2 hojas en una)
- Material Adicional:
- Formación de conceptos: nosup.zip -nosup-pdf.zip
- Contenido: cobweb.ps - Transparencias sobre aprendizaje no supervisado incluyendo COBWEB (15 pags)
- Formación de conceptos: nosup.zip -nosup-pdf.zip
- Transparencias:
- Aplicaciones:
Mineria de datos
- Transparencias
- Material Adicional:
- Data mining: KDD.zip
-KDD-pdf.zip
- Contenido:
- KDD-intro.ps - Articulo breve introduccion al Data Mining (8 pags)
- KDD-intro2.ps - Tutorial introductorio al Data Mining (29 pags)
- Contenido:
- Transparencias sobre las perspectivas empresariales del KDD
- Data mining: KDD.zip
-KDD-pdf.zip
- Articulos:
- Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth, From Data Mining to Knowledge Discovery in Databases (PDF), AI Magazine 17(3): Fall 1996, 37-54
- Enlaces:
TEMA 4: Aprendizaje basado en explicaciones (EBL)
- Transparencias:
- Material Adicional:
- Aprendizaje basado en explicaciones: EBL.zip -EBL-pdf.zip
- Contenido:
- EBG-trans.zip - Transparencias resumen sobre EBG (12 pags)
- ebg.ps - Otras transparencias resumen sobre EBG (7 pags)
- ebg2.ps - Continuacion de las transparencias anteriores (19 pags)
- strips.ps - Algoritmo de STRIPS (1 pag)
- Contenido:
- Aprendizaje basado en explicaciones: EBL.zip -EBL-pdf.zip
- Enlaces
TEMA 5: Aprendizaje Por refuerzo
- Transparencias:
- Enlaces