Este curso tiene dos objetivos:
- Proveer al estudiante con nociones básicas de aprendizaje no supervisado para resolver problemas de agrupamiento, detección de anomalías, sistemas de recomendación y compresión de información.
- Poner en práctica todo lo aprendido de en este y cursos previos de Machine Learning, teniendo en cuenta el ciclo de vida de aplicaciones de Machine Learning y el despliegue de las mismas.
SESIÓN 01 (4rs):
- Clustering
- Proyecto 1: Aplicar clustering a un caso de elección propia [15%]
- Reducción de dimensionalidad
- Taller 1: Implementación de PCA [10%]
SESIÓN 02 (6hrs):
- Detección de anomalías
- Taller 2: Exploración de algoritmos de detección de anomalías [15%]
- Sistemas de recomendación
- Taller 3: Exploración de algoritmos para sistemas de recomendación [20%]
SESIÓN 03 (4hrs):
- Asesoría en proyecto de clustering
- Trabajo con series de tiempo
SESIÓN 04 (6hrs):
- Taller 4: Demanda de bicicletas públicas [20%]
- Fairness y sesgo algorítmico
- Proyecto 2: Sesgo algorítmico en el proyecto de grado [10%]
- Ciclo de vida de las aplicaciones de Machine Learning
SESIÓN 05 (4hrs):
- Demo: despliegue de un modelo de Machine Learning
- Taller 5: Despliegue de un modelo de machine learning [15%]
La programación puede variar un poco debido a imprevistos.
Es normal si el procentaje descrito para los proyectos y talleres suma más del 100%, eso significa que pueden recuperarse si quizá no alcanzan a tener un buen desempeño en uno de los talleres. Tanto en los proyectos como en los talleres se tendrá en cuenta la calidad de la solución, dando especial importancia a la claridad del trabajo realizado.
Finalmente, se tendrán bonos adicionales para agregar en cualquier evaluaciónde la siguiente manera:
- Bonos por cada error reportado del material del curso. El proceso es mediante un pull request explicando e intentando solucionar el issue correspondiente. Este bono tendrá un valor de un 2% adicional en la evaluación final del curso.
Los talleres tendrán espacio suficiente para resolverse en las sesiones de clase y deben ser resueltos allí. Los proyectos podrán ser entregados hasta 2 semanas después de ser propuestos en clase. Será posible dar plazos especiales para la entrega de talleres y proyectos, estos plazos serán negociables y meritorios, es decir, podrán requerir unos criterios adicionales o representar un porcentaje menor del curso.
Acá se hace mención especial a aquellos estudiantes que sobresalen por su contribución al curso. Esta puede identificarse de varias maneras, por ejemplo:
- Su compromiso a colaborar con los demás compañeros para que el contenido sea dominado por todos.
- Su participación en la mejora constante del curso.