Semana 1
Fundamentos, Perceptrón y el Costo de los Datos
Bases del Machine Learning: el rol del científico de datos, el costo de los datos supervisados, el perceptrón como primer modelo y los conceptos de sobre-ajuste.
1
El Costo de los Datos Supervisados
Entiende por qué conseguir una base de datos etiquetada es costoso y cómo impacta en tus proyectos de ML.
Datos supervisadosEtiquetadoCalidad de datos
2
El Perceptrón
El primer algoritmo de aprendizaje: cómo un hiperplano aprende a separar clases ajustando sus pesos iterativamente.
HiperplanoPesosLearning rateConvergencia
3
Hiperplano y Margen
Modelo vs algoritmo: la frontera de decisión y cómo el margen mejora la generalización.
Frontera de decisiónMargenGeneralización
4
La Bendición de la Dimensión
Por qué los modelos lineales funcionan sorprendentemente bien en espacios de alta dimensionalidad.
Alta dimensionalidadSeparabilidad lineal
5
Sobre-ajuste vs Sub-ajuste
Los archienemigos del ML: cuando el modelo memoriza los datos vs cuando es demasiado simple.
OverfittingUnderfittingSesgo-Varianza