Descripción
Exploración y visualización de datos tabulares (pandas, matplotlib), fundamentos de ajuste de datos (scikit-learn), k-vecinos más cercanos, regresión lineal, árboles de decisión, preprocesamiento de datos, métricas de evaluación de modelos, sobreajuste vs subajuste, sesgo/varianza, validación cruzada, introducción a redes neuronales, ajuste de hiperparámetros, selección de características, importancia de las características.
Prerrequisitos
- Prerequisito(s): inscripción en el programa M.Eng.- Software Engineering Practice.
Condiciones y modalidades
- Prerequisito(s): inscripción en el programa M.Eng.- Software Engineering Practice.
Texto de referencia en su idioma de origen
Tabular data exploration and visualization (pandas, matplotlib), data-fitting basics (scikit-learn), k-nearest neighbours, linear regression, decision trees, data pre-processing, model evaluation metrics, overfitting vs underfitting, bias/variance, cross-validation, introduction to neural networks, hyperparameter tuning, feature selection, feature importance.
- Prerequisite(s): enrolment in the M.Eng.- Software Engineering Practice program.
Fuentes y referencias
Se conservan las fechas y las fuentes para ayudarle a verificar la información. Las traducciones se proponen para facilitar la lectura; la fuente oficial es la referencia para las condiciones y los requisitos.
Referencia de la fuente : https://calendar.carleton.ca/grad/courses/EGEN/