Programa del Curso

Introducción

Teoría de la Probabilidad, Selección de Modelos, Teoría de la Decisión y de la Información

Distribuciones de probabilidad

Modelos lineales para regresión y clasificación

Neural Networks

Métodos del kernel

Máquinas de kernel dispersas

Modelos gráficos

Modelos de mezcla y EM

Inferencia aproximada

Métodos de muestreo

Variables latentes continuas

Datos secuenciales

Combinación de modelos

Resumen y conclusión

Requerimientos

  • Comprensión de la estadística.
  • Familiaridad con el cálculo multivariante y el álgebra lineal básica.
  • Algo de experiencia con probabilidades.

Audiencia

  • Analistas de datos
  • Estudiantes de doctorado, investigadores y profesionales
  21 horas
 

Número de participantes


Comienza

Termina


Las fechas están sujetas a disponibilidad y tienen lugar entre 09:30 y 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (3)

Cursos Relacionados

Categorías Relacionadas