Técnicas computacionales y estadísticas de aprendizaje de máquina

El aprendizaje de máquina se ha popularizado en los últimos años como una herramienta de predicción por excelencia. En algunas áreas de aplicación se ha utilizado este conjunto de técnicas como “caja negra”, lo que ha llevado a cometer errores de interpretación, como tratar de justificar comportamientos del modelo que no se pueden explicar. Por ello, es de suma importancia estudiar los fundamentos teóricos de los principales modelos de aprendizaje de máquina, sus similitudes y diferencias con los modelos de aprendizaje estadístico, y encontrar un punto medio en el que se comprenda, primero, la diferencia entre algoritmos determinísticos y modelos para procesos aleatorios, y segundo, la teoría subyacente en el caso de los modelos estadísticos y de predicción.

Además del componente técnico de los modelos, este curso ofrece una ventana para discutir aspectos éticos de la construcción y aplicación de modelos de aprendizaje, que incluye el proceso de recolección de datos, su preprocesamiento, el flujo de trabajo y la correcta preservación y manejo de los datos utilizados y el código, para asegurar reproducibilidad.