Dar al estudiante las ideas básicas y motivación de diferentes métodos de reconocimiento de patrones y aprendizaje de máquina al igual que un entendimiento formal de cómo y porque funcionan.
Este curso trata sobre los fundamentos para presentar y reconocer patrones y características de interés en datos numéricos. En el curso discuten las herramientas básicas y la teoría de análisis de patrones. Se empieza con una introducción general a los sistemas de reconocimiento de patrones, se continua con la estimación paramétrica y no paramétrica de densidades probabilísticas. Después se aborda el análisis discriminante lineal y no lineal y el desempeño de clasificadores. Finalmente, se estudian la selección y extracción de características y el clustering.
Introducción al reconocimiento de patrones (1sesion)[1],[2],[3],[4]
Estimación patamétrica de densidades (2 sesiones) [5],[6]
Estimación no-paramétrica de densidades (2 sesiones) [5],[6]
Análisis discriminante lineal (2 sesiones) [5],[6],[1],[7]
Análisis discriminante no-lineal / métodos kernel y de proyección (2 sesiones) [5],[8],[9],[10]
Desempeño de clasificadores [5]
Selección y extracción de características (2 sesiones) [5], [1]
Clustering (2 Sesiones) [5], [11]