Introducción:

El datamining y el descubrimiento de conocimiento a partir de técnicas de aprendizaje automatizado se han transformado en un activa área de investigación, atrayendo a gente de distintas disciplinas (tales como base de datos, Inteligencia Artificial, Visualización de Información, etc.). Este curso introducirá los conceptos fundacionales de datamining y aprendizaje automatizado, estudiando sus principios, algoritmos, implementaciones y aplicaciones.

El curso se dicta como materia optativa durante el 1er. cuat. de 2002.

Algunos tópicos a tratar durante el curso (en preparación):

Concept Learning: acercamientos. Algoritmo Version Spaces. Decision Tree Learning. Aprendizaje Bayesiano.Web-Mining.  Reglas de Asociación. Fundamentos de Data Warehousing.

Bibliografía: 

• "Datamining: Concepts & Techniques" - J.Han, M.Kamber. Morgan Kaufmann Pub., 2000.
  
• "Machine Learning" - T.Mitchell.  McGraw Hill, 1997.

Transparencias de Clase (actualizado a medida que se avanza en el cuatrimestre):

Clase 1: Introducción 
Clase 2: Concept Learning / Version Spaces
Clase 3: Arboles de Decision
Clase 4: Redes Neuronales
Clase 5: Data Warehousing & Datamining
Clase 6: Preprocesamiento de Datos
Clase 7: Aprendizaje Bayesiano
Clase 8: Redes Bayesianas
Clase 9: Aprendizaje basado en Instancias (Instance-Based Learning)
Clase 10: Algoritmos Genéticos
Clase 11: Reinforcement Learning
Clase 11 (cont): Robotic Learning (aspectos básicos)
Clase 12: Aprendizaje Analítico - Prolog EBG (bajar código aquí; corre bajo Arity Prolog)
Clase 13: Aprendizaje de Reglas
Clase 14: Combinación de clasificadores: bagging, boosting, voting
Clase 15: Programación en Lógica Inductiva - Introducción
 Clase 16: Programación en Lógica Inductiva - Cont. 

Trabajos Prácticos: 1 - 2 - 3

Los lineamientos de la evaluación final están disponibles aquí.

Software: Weka (bajar aqui Weka-3-2.zip)

Links de interés: 

• Algunos papers interesantes   
  • TD-Gammon, a self-teaching backgammon program, achieves master-level play 1994.
  • Ron Kohavi, A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection, 1995, IJCAI-95.
  • George John, Ron Kohavi, Karl Pfleger Irrelevant Features and the Subset Selection Problem, 1994, Machine Learning, Proceedings of the Eleventh International Conference.
  • Ross Quinlan, Bagging, Boosting and C4.5, 1996, AAAI-96,
  • Experiments with a New Boosting Algorithm, Yoav Freund, Robert E. Schapire, 1996
  • Reinforcement Learning: A Tutorial , M. Harmon and S. Harmon
  • TD-Gammon, a self-teaching backgammon program, achieves master-level play 1994.
  • How to Make Software Agents Do the Right Thing: An Introduction to Reinforcement Learning, by Satinder Singh, Peter Norvigand David Cohn 1996.
  • Reinforcement Learning: A Survey by Kaelbling, L.P., Littman, M.L., and Moore, A.W, 1996.
  • Papers sobre aprendizaje de reglas / ILP
    • Mitchell, O'Sullivan and Thrun, 1994
    • Pitt, 1997
    • Dietterich and Flann, 1995
  • Papers sobre evaluación experimental de algoritmos de aprendizaje:
    • Dietterich, 1998
    • Provost and Foster, 2000
    • Drummond and Holte, 2000
  • Papers sobre instance-based learning:
    • Breiman, 1996a
    • Schapire, 1999
• Sobre Aprendizaje automatizado y robótica:
  • GOLEM project por Jordan B. Pollack
  • Evolutionary Robotics homepage
  • Evorobot 1.1 (software evolutivo para robots)
  • Karl Sims' Evolving Virtual Creatures
  • AI and machine learning with LEGO robots 

• Software, Datasets y Recusos varios :

  • MLNet: excelente portal sobre Machine Learning
  • David Aha's Machine Learning Resource Page
  • Online Machine Learning Resource
  • GMD Machine Learning Archive
  • UCI Machine Learning Repository
  • MIT GALib in C++
  • MLC++: Machine Learning Library in C++
  • LEGO Mindstorms at Lugnet
  • Machine Learning in Games
  • The Official Lego Mindstorms WebSite
  • Neural networks at your fingertips
  • SNNS Stuttgarter Neural Network Simulator
  • Genetic Programming Notebook
  • Hitchhikers Guide to Evolutionary Computation
  • European Network of Excellence on Evolutionary Computation