Tratamiento Inteligente de la Información y Aplicaciones

Introducción al tratamiento inteligente de la información

Redes neuronales para el análisis y modelado de datos

Árboles de decisión para en análisis y modelado de datos

Introducción a los algoritmos genéticos

Tecnologías fuzzy para aprendizaje y control

Aprendizaje por refuerzo

Ejemplo de uso de redes neuronales artificiales

Introducción al análisis exploratorio de datos con R

Esta primera práctica la vamos a dedicar a aprender cómo familiarizarnos con conjuntos de datos. La asignatura trata de cómo analizar de manera inteligente (con técnicas distintas a las que encontramos en la estadística clásica) conjuntos de datos que responden a muestras (i.e. observaciones) de un mismo fenómeno. En esta primera práctica, veremos cómo con simples facilidades de visualización de datos y proceso estadístico, podemos obtener, de manera sencilla, informes basados en estadística descriptiva, que nos ayudarán a entender mejor el fenómeno que estamos estudiando.

Estos conjuntos de datos nos pueden venir bien para testear lo que hemos aprendido

Horario: la sesión tendrá lugar en el laboratorio 1.6, el viernes 19 de octubre de 11:00 a 13:00.

Introducción a la herramienta Weka de minería de datos

Esta segunda práctica la vamos a dedicar a la herramienta Weka. En unos sencillos pasos vamos a captar rápidamente qué podemos hacer con esta herramienta, con vistas a resolver la práctica final.

Horario: la sesión tendrá lugar en el laboratorio 1.6, el viernes 30 de noviembre de 11:00 a 13:00.

Práctica a resolver

Ésta es la práctica final, la cual se habrá de resolver para aprobar la asignatura.

La fecha límite de entrega es el día 10 de enero. La defensa será el día 17 de enero.

La descripción de las características del conjunto de datos

Los datos del problema

Planificación de las clases teóricas y prácticas