Dictado por el Dr. Guillermo Sapiro

Objetivos

Los datos en altas dimensiones aparecen en todas las disciplinas de las ciencias hoy, y es una de las áreas más interesantes y abiertas de la investigación actual. Este curso corto introduce algunos de los tópicos esenciales en el área.

Temario

1. ¿Porqué datos en altas dimensiones?
2. PCA e ICA
3. Métodos no lineales: Isomap, LLE, Diffusion metrics.
4. Métodos de kernel
5. Métodos topológicos
6. Búsqueda de clusters en altas dimensiones
7. Distancias en altas dimensiones

Créditos

4

Metodología de enseñanza

Cinco clases de tres horas, bastante independientes, que cubren tópicos tanto teóricos como aplicados. Se prevee que se realice trabajo en computadora durante las horas de clase.

Evaluacion

Un trabajo individual

Fecha

Del 30 de Julio al 3 de Agosto de 09.00 a 12.00 hs en el Laboratorio de Software del IIE.

Horas presenciales

15

Bibliografía

Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond (Adaptive Computation and Machine Learning) by Bernhard Scholkopf and Alexander J. Smola. The MIT Press; 1ST edition (December 15, 2001). ISBN-10: 0262194759. ISBN-13: 978-0262194754

Inscripción

Aquí.