El curso aborda los principios fundamentales del Aprendizaje Automático, proporcionando las herramientas necesarias para transformar datos en modelos predictivos y tomar decisiones informadas. A lo largo del curso, se explorarán las principales técnicas de aprendizaje supervisado, no supervisado y por refuerzo, aplicadas a ejemplos prácticos en multimedia y otros contextos.

El curso prepara a los estudiantes para enfrentar desafíos en el análisis de datos y multimedia, aplicando modelos que optimicen resultados en diferentes escenarios. Se comenzará con una aproximación conceptual al aprendizaje automático, avanzando hacia la aplicación práctica de técnicas de aprendizaje computacional.

Se aprenderá a preparar y limpiar datos, gestionar datos faltantes y atípicos, y aplicar técnicas de escalado y normalización. Se trabajará con algoritmos como la Regresión Logística, Máquinas de Soporte Vectorial y métodos de reducción de dimensionalidad. Además, se explorarán las Redes Neuronales, tanto tradicionales como convolucionales, y técnicas avanzadas como Boosting y Modelos de Mezclas Gaussianas (GMM). Finalmente, se introducirá al aprendizaje por refuerzo y sus estrategias de exploración/explotación, evaluando los modelos mediante métodos de validación rigurosos para garantizar un análisis preciso.