Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • C221 TPI MachineLearning

    Cargado por

    Jeanette Guerrero
    18 vistas2 páginas
    Este documento presenta el primer trabajo práctico de una asignatura de Inteligencia Artificial sobre machine learning. El objetivo es aplicar diferentes redes neuronales a la clasificación automática de datos reales, implementar algoritmos de entrenamiento y evaluar el desempeño. Los estudiantes trabajarán en grupos con uno de varios conjuntos de datos asignados aleatoriamente y deberán identificar el tipo de problema, las variables y características de los datos, preprocesar los datos si es necesario, aplicar al menos tres modelos de machine learning diferentes, evaluar los resultados y

    Descripción original:

    Título original

    C221-TPI-MachineLearning

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    Este documento presenta el primer trabajo práctico de una asignatura de Inteligencia Artificial sobre machine learning. El objetivo es aplicar diferentes redes neuronales a la clasificación automática de datos reales, implementar algoritmos de entrenamiento y evaluar el desempeño. Los estudiantes trabajarán en grupos con uno de varios conjuntos de datos asignados aleatoriamente y deberán identificar el tipo de problema, las variables y características de los datos, preprocesar los datos si es necesario, aplicar al menos tres modelos de machine learning diferentes, evaluar los resultados y

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    Descargar como docx, pdf o txt
    18 vistas2 páginas

    C221 TPI MachineLearning

    Cargado por

    Jeanette Guerrero
    Este documento presenta el primer trabajo práctico de una asignatura de Inteligencia Artificial sobre machine learning. El objetivo es aplicar diferentes redes neuronales a la clasificación automática de datos reales, implementar algoritmos de entrenamiento y evaluar el desempeño. Los estudiantes trabajarán en grupos con uno de varios conjuntos de datos asignados aleatoriamente y deberán identificar el tipo de problema, las variables y características de los datos, preprocesar los datos si es necesario, aplicar al menos tres modelos de machine learning diferentes, evaluar los resultados y

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    Descargar como docx, pdf o txt
    de 2

    UNIVERSIDAD ARGENTINA

    DE LA EMPRESA
    Departamento de Tecnología
    Informática
    3.4.096 - INTELIGENCIA
    ARTIFICIAL
    Docentes: Ponzoni, Nelson

    TP 1 – MACHINE LEARNING
    Machine Learning es parte de la Inteligencia Artificial, la cual utiliza técnicas estadísticas y algoritmos computacionales
    para inferir patrones y características a partir de un conjunto de datos. Las áreas de aplicación del Machine Learning son
    muy variadas, salud, detección de fraude, sistemas de recomendación, finanzas, etc.

    Objetivo
     Aplicar diferentes arquitecturas de redes neuronales a la clasificación automática de datos reales.
     Implementar algoritmos de entrenamiento para redes neuronales. Evaluar el desempeño.
     Profundizar en los conceptos teóricos relacionados con la retro-propagación del error.
     Utilizar diferentes técnicas de validación de modelos y resultados. Valorizar la importancia.

    Dataset
    Según lo asignado aleatoriamente. Podrá ser alguno de los siguientes,

     Cliente.
     Accidente.
     Yellow Submarine.
     Marketing.

    NOTA: no podrá cambiarse el dataset una vez asignado. Sólo se harán cambios si el docente lo indica

    Plazo
    Según lo indicado en el cronograma. Webcampus.

    Tareas
    El equipo debe realizar las siguientes actividades. En todos los casos, cada miembro del equipo debe poder justificar las
    respuestas.

    1. Identificar el tipo/clase de problema.


    2. Identificar las variables y sus características. Describirlas.

    Inteligencia Artificial Ing. Ponzoni, Nelson


    UADE – CII – 2021
    3. Realizar la tarea de preprocesamiento en caso de que fuese necesario. Limpieza de variables, normalización,
    categorización, remuestreo, binarización, categorización, etc.
    4. Aplicar al menos tres (3) modelos de Machine Learning distintos para el problema identificado.
    a. Formalizar una técnica de selección de los datos.
    b. Evaluar cada modelo según los resultados obtenidos.
    c. Comentar las ventajas y limitación de los modelos elegidos.
    5. Presentar los resultados obtenidos.

    Presentación
    Deben informar los resultados y exponer sus conclusiones en una exposición grupal y oral. Asimismo, deben utilizar
    material de soporte como ser Powerpoint, documentos Word/pdf, Notebook Jupyter, etc.

    Subir el código fuente y el material soporte al web campus

    Inteligencia Artificial Ing. Ponzoni, Nelson


    UADE – CII – 2021

    También podría gustarte