TEMA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS CON PYTHON

1.1. Introducción a Python

1.2. Numpy

1.3. Pandas

TEMA 2. INTRODUCCIÓN AL MACHINE LEARNING

2.1. ¿Qué es el machine learning?

2.2. Pipeline habitual en machine learning

TEMA 3. MACHINE LEARNING SUPERVISADO

3.1. Introducción a los métodos supervisados

3.2. Regresión lineal

3.3. Regresión logística

3.4. Árboles de decisión

3.5. Support-vector machines

3.6. Métodos ensemble

TEMA 4. MACHINE LEARNING NO SUPERVISADO

4.1. Introducción a los métodos no supervisados

4.2. K-MEANS

4.3. K-NN

4.4. Reducción de dimensionalidad con PCA

4.5. Recommendation systems

TEMA 5. REINFORCEMENT LEARNING

5.1. Introducción al concepto de aprendizaje por refuerzo

TEMA 6. FUNDAMENTOS DE DEEP LEARNING

6.1. Introducción a deep learning

6.2. Redes neuronales