(MMC201)

Teoría y Modelos del Aprendizaje Automático

Markdown Fundamentos teóricos y modelos del aprendizaje automático supervisado y no supervisado.

01 Fechas importantes

31 Ago 2026	Inicio del semestre	★ ✕
01 Abr 2025	Examen parcial	★ ✕
10 Jul 2025	Examen final	★ ✕
28 Dic 2026	Publicación de notas finales	★ ✕

+ Añadir fecha

02 Contenido del curso

Markdown ## Unidad 1 — Fundamentos de Teoría y Modelos del Aprendizaje Automático - Conceptos básicos y motivación - Revisión de prerrequisitos matemáticos - Panorama del curso --- ## Unidad 2 — Métodos y técnicas - Herramientas teóricas principales - Algoritmos y procedimientos - Ejemplos y casos de estudio --- ## Unidad 3 — Aplicaciones - Problemas de la ciencia e ingeniería - Implementación computacional - Análisis e interpretación de resultados --- ## Unidad 4 — Proyecto - Formulación del problema - Desarrollo y presentación - **Defensa del proyecto final**

03 Bibliografía y recursos

Markdown ## Bibliografía básica - Autor, A. *Título del libro principal*. Editorial, año. - Autor, B. *Métodos Numéricos y Computacionales*. Springer, 2020. --- ## Bibliografía complementaria - Autor, C. *Tópicos avanzados*. Cambridge UP, 2018. --- ## Recursos en línea - [NumPy Documentation](https://numpy.org/doc/) - [SciPy Lecture Notes](https://scipy-lectures.org/)