Aprendizaje automático supervisado


› Bienvenida ‹

Competencia


Analiza, implementa, entrena y evalúa modelos de aprendizaje automático supervisado con el fin de resolver diversas situaciones problemáticas a partir del análisis de datos.

Contenido


Pasa el cursor sobre la imagen para ingresar a los temas.


Actividad integradora


Competencia de la credencial:

Refuerza varios de los contenidos teóricos y prácticos aprendidos durante el curso a través de ejercicios sobre los diferentes modelos algorítmicos que se utilizan para construir soluciones de aprendizaje supervisado, así como realizando el proceso de preparación de los datos correspondientes a cada problema y practicando habilidades de programación mediante el lenguaje de Python y la librería Scikit-learn.

Instrucciones:

  1. Genera un nuevo cuaderno en Google Colab con el nombre: Aprendizaje automático supervisado.
  2. Realiza las siguientes operaciones:
    1. Utilizando la librería Scikit-learn, genera un conjunto de datos de tres características que estén linealmente relacionados.
    2. Aplicando el análisis de discriminante lineal, realiza el proceso de reducción de la dimensión y representa el resultado obtenido de manera gráfica.
    3. Selecciona un modelo de aprendizaje automático supervisado que permita realizar la clasificación de ese conjunto de datos e impleméntalo en tu proyecto.
    4. Utilizando las diversas métricas de evaluación, comprueba la calidad del modelo seleccionado.
    5. Elabora una pequeña conclusión en donde exprese tus impresiones sobre el resultado obtenido.

  3. Hace una década y media se dieron a conocer “Las siete maravillas del mundo moderno". Utiliza tus conocimientos de programación genética y elabora un programa en Python para determinar cuál sería el orden más adecuado para visitar estos increíbles lugares. Toma en cuenta las siguientes condiciones:
    1. No se pueden repetir los destinos.
    2. Los viajes se consideran de punto a punto (no obstante, debido a las grandes distancias se debe utilizar la función del semiverseno para encontrar el valor de la distancia que separa los destinos).
    3. El objetivo es minimizar la distancia total.

Criterios de evaluación:

  1. Genera un proyecto en Google Colab y efectúa las operaciones indicadas del primer problema.
  2. Desarrolla el programa y resuelve la situación planteada utilizando la programación genética del segundo problema.