Data Mining
Objetivo
Aprender técnicas cuantitativas orientadas a descubrir patrones útiles en grandes volúmenes de datos.Temas Centrales
Formalización del problema de aprendizaje automático. Tipos de problemas de aprendizaje automático. Aplicaciones de técnicas de aprendizaje automático en negocios, ciencia e industria. Aprendizaje supervisado. Algoritmos de aprendizaje automático para clasificación y regresión (árboles de decisión, vecinos más cercanos, bayes ingenuo, algoritmos de ensamble). Validación de sistemas aprendizaje automático: métricas de performance (accuracy, precission, recall, f1-meassure, costo/ganancia medida en dinero), esquemas de validación (conjuntos de validación, validación cruzada). Aprendizaje automático no supervisado: clustering jerárquico, algoritmos de k-medias, reglas de asociación.Profesor
RAMIRO GÁLVEZ. Doctor en Ciencias de la Computación, UBA. Magíster en Data Mining, FCEyN, UBA. Magíster en Desarrollo Económico, Universidad Carlos III de Madrid. Profesor full-time, UTDT.
Sus áreas de investigación incluyen tópicos relacionados con data science, aprendizaje automático y el procesamiento del lenguaje natural. Dentro de este marco, ha publicado trabajos en revistas internacionales, presentado trabajos en congresos internacionales y formado recursos humanos de grado y posgrado.
Ha realizado trabajos de consultoría/transferencia tecnológica para Despegar.com, Jamaica Public Service Limited y el Banco Interamericano de Desarrollo.