Recursos y temario del curso Introducción a Machine Learning con R en Kairós.
- Introducción a R (4h)
- IDE y Addins
- RMarkdown notebooks
- Librerías relevantes: tidyverse vs base
- Reporting y visualización
- Introducción al Machine Learning (3h)
- Selección de features y preprocesamiento de datos (normalización, computación de nulos, etc)
- Training and testing
- Cross validation
- Overfitting, underfitting and the bias-variance tradeoff
- Aprendizaje supervisado (5h)
- Modelos de regresión
- Naive Bayes
- Support Vector Machines
- Árboles de decisión
- Aprendizaje no supervisado (4h)
- PCA
- k-means
Este curso se ha realizado gracias a decenas de información displonible para el público. Dado que no se puede enseñar todo, he recopilado la bibliografía en un tablero de trello al que tenéis acceso.