TB056 - Introducción a la Inteligencia Artificial

ACLARACIÓN: Los nombres de los libros mencionados puede encontrarlos en la última página de la guía de ejercicios.

• Clasificador Bayesiano
  

1. Nuestro video de repaso de Probabilidad y Estadística analiza el tema según las necesidades del curso.
2. El capítulo 2 del Duda lo trabaja de forma muy completa.

• Teoría de Información

1. Para profundizar en este tema recomendamos el libro de Cover capítulos 2 (variables discretas) y capítulo 8 (variables continuas).
   

• Regresión Logística
  

1. Bishop lo trabaja en el capítulo 4.3.
2. Las notas de Ng lo estudian en la sección 2.1.
3. El libro de Hastie hace lo propio en el capítulo 4.4.
4. Murphy lo trabaja en el capítulo 8.

• Análisis del Discriminante Lineal y Cuadrático

1. Muy recomendable la sección 4.3 del libro de Hastie.
2. También recomendable el capítulo 4.2 del libro de Murphy
3. Bishop por su parte lo trabaja en la sección 4.2.
   

• K-Vecinos más cercanos
  

1. Recomendable el capítulo 4.4 del libro de Duda.
   

• Support Vector Machine

1. Bishop lo trabaja en los capítulos 6 y 7.
2. El libro de Mohri "Foundations of Machine Learning" lo trabaja en el capítulo 4.
3. El capítulo 6 de las notas de Ng son una buena opción también.
4. Duda lo trabaja en la sección 5.11.
5. Hastie hace lo propio en el capítulo 12.
6. Dejamos también un video de Winston donde explica el tema.

• Árboles de decisión y Bosques aleatorios

1. Recomendamos Hastie que lo trabaja en la sección 9.2 (árboles) y en el capítulo 15 (bosques).
2. Duda lo trabaja en la sección 8.3.
3. Murphy hace lo propio en el capítulo 16.2.