JHU MOOC PML W3

Practical Machine Learning course at CourseraLas lecturas de la tercer semana del curso “Practical Machine Learning” fueron pocas y cortas (afortunadamente, ya que las de los MOOC MMD y CCA siguen siendo largas y muchas; las de Automata son pocas y cortas pero son mucho más pesadas… hmmm… bueno las de MMD por ahí van… no tanto pero por lo largo de éstas, así se sienten):

En esta semana se revisaron los temas:

  • Árboles de decisión y random forests, para apreciar como árboles de decisión pueden ayudar a automatizar modelos de clasificación.
  • Bagging (bootstrap aggregating), una forma de promediar la aplicación de varios modelos.
  • Boosting, una técnica para tomar modelos de predicción (o la aplicación de éstos) débiles y obtener uno mucho más robusto.
  • Predicción basada en modelos, un enfoque probabilístico basado en el teorema de Bayes.

En esta semana también concluía el límite de tiempo para la presentación del proyecto del curso, que consistió en aplicar un modelo a un conjunto de datos de entrenamiento para poder hacer una predicción con  otro conjunto de datos de prueba. El reporte del proyecto (la primera parte de la actividad) lo acabé 30 minutos antes del deadline, lo que me dejó 30 minutos para subir los archivos de resultados de la predicción sobre el conjunto de datos de prueba. Alcancé a subir 16 de los 20 archivos antes del límite. Los últimos cuatro archivos recibieron 50% de calificación por entregarse tras la fecha límite.

 

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s