INTRODUCCIÓN
  • Introducción
  • Presentación David Manero
  • Objetivos del Curso
¿DE QUÉ HABLAMOS?
  • Computer Vision
  • Machine Learning
  • Deep Learning
  • Reconocimiento de Escritura
PREPARACIÓN
  • ¿Qué es R? ¿Y RStudio?
  • Instalación de R y RStudio en Mac
  • Paquete Caret
  • ¿Qué es H20? ¿Y TensorFlow?
  • Instalación H2O
  • Instalación Tensor Flow
  • Instalación de librerías necesarias
FUNDAMENTOS DE R
  • Aviso
  • Conociendo a R parte 1
  • Conociendo a R parte 2
  • Operadores
  • Objetos: vectores parte 1
  • Objetos: vectores parte 2
  • Objetos: dataframe parte 1
  • Objetos: dataframe parte 2
  • Objetos: dataframe parte 3
  • Objetos: listas
  • Objetos: series de tiempo
  • Bucles Explicación
  • Bucles parte I
  • Bucles parte II
  • Funciones
  • Visualización Básica
  • Ejemplo uso de paquete Caret: SPAM
LOS DATOS: MNIST
  • ¿Qué es MNIST?
  • Explorando los datos MNIST parte 1
  • Explorando los datos MNIST parte 2
MÉTODOS MACHINE LEARNING
  • Machine Learning para clasificar los dígitos MNIST
  • ¿Cómo funciona Naïve Bayes?
  • Método Naïve Bayes sobre MNIST
  • ¿Qué es NZV (Near-Zero Value)? ¿Y PCA (Principal Component Analysis)?
  • ¿Cómo funciona Random Forest?
  • Método Random Forest sobre MNIST
  • Práctica con Naïve Bayes
  • Práctica con Random Forest
  • ¿Cómo funciona SVM (Support Vector Machine)?
  • Método SVM sobre MNIST
  • ¿Cómo funcionan las Redes Neuronales?
  • Método Neuranet sobre MNIST
  • Práctica Redes Neuronales
  • ¿Qué es SVD (Singular Value Decomposition)?
  • ¿Cómo funciona KNN (K-Nearest Neighbours)?
  • Método SVD-KNN sobre MNIST
  • Práctica con SVM
  • ¿Qué es HOG (Histogram of Oriented Gradients)?
  • Método HOG-KNN sobre MNIST
  • Práctica con K-NN
PLATAFORMAS DEEP LEARNING
  • Deep Learning para clasificar los dígitos de MNIST
  • ¿Cómo funciona H2O?
  • Método en H2O sobre MNIST
  • Práctica Regular DNN
  • ¿Qué es Unsupervised Bottle-Neck?
  • Método no supervisado en H2O sobre MNIST
  • Práctica DNN-Encoder
  • ¿Cómo funciona Softmax Regression?
  • Método TensorFlow sobre MNIST
RESULTADOS
  • Comparativa de los resultados
  • Kaggle y MNIST
BONUS - Aplicación Reconocimiento de Números
  • Presentación App MNIST
  • Archivos e instalación de librerías
  • Dibujar el plot
  • Dibujar la matriz
  • Guardar modelos y convertir matriz
  • Calcular predicciones
  • Predicción total
  • Mejoras de la app
CONCLUSIONES
  • Resumen del curso
  • Próximos pasos
  • Despedida