Un profesor ayudante interactúa directamente con un grupo reducido de participantes para presentar un caso real de aplicación de machine learning y ciencia de datos, haciendo énfasis en la oportunidad, solución, dificultades y beneficios, para luego discutir con el grupo y responder consultas.

Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos. En particular, el primer trabajo se enfoca en desarrollar la capacidad de identificar los conceptos básicos de machine learning y ciencia de datos en los casos de estudio presentados. El segundo trabajo busca desarrollar la capacidad de identificar la presencia y necesidad de los distintos tipos de aprendizaje en los casos de estudio presentados. Finalmente, el tercer trabajo pretende integrar ambas miradas en la formulación de un caso de estudio original, en el que sea posible identificar los conceptos básicos, los tipos de aprendizaje, además de la oportunidad, solución, dificultades y beneficios. Aun cuando el trabajo se entrega en forma individual y no grupal, los alumnos pueden conversar y discutir sobre sus ideas de soluciones con sus compañeros, antes de desarrollar y entregar el proyecto.

• Conceptos de inteligencia de negocios y minería de datos
• Conceptos de ciencia de datos y aprendizaje de máquina
• El auge actual del aprendizaje de máquina e inteligencia artificial

• Aplicaciones sobre transacciones estructuradas
• Aplicaciones sobre texto
• Aplicaciones sobre audio
• Aplicaciones sobre video

• Visualización en ciencia de datos
• Aprendizaje supervisado
• Aprendizaje no supervisado
• Aprendizaje reforzado

• Aplicaciones de visualización en ciencia de datos
• Aplicaciones de aprendizaje supervisado
• Aplicaciones de aprendizaje no supervisado
• Aplicaciones de aprendizaje reforzado

• Caso en compañía de seguros
• Caso en banca
• Caso en retail
• Caso en calidad del aire