Seminario de Teoría de la Información, Machine
Learning y Estadística

Este semestre, el Seminario de Teoría de la Información, Machine Learning y Estadística se centra en
conceptos básicos de probabilidad y optimización esenciales para analizar algoritmos elementales de
aprendizaje de máquina, e.g., stochastic gradient descent (SGD). El seminario está diseñado para estu-
diantes de licenciatura y maestría, y ofrece oportunidades de participación en proyectos de servicio
social relacionados con la investigación numérica de estos algoritmos y sus extensiones.

Las sesiones del seminario tendrán lugar los lunes de 12:00 a 13:30 en el Salón B-204 del IIMAS.

Para ser agregado a la lista de distribución del seminario, por favor escriba un mensaje a
mario.diaz@sigma.iimas.unam.mx

Bitácora

Fecha	Temas cubiertos
12/Febrero	Reunión organizacional.
19/Febrero	Gradiente descendente (GD); funciones de pérdida en ML; gradiente descendente estocástico (SGD).
26/Febrero	Regresión lineal; regresión logística; soluciones exactas e iterativas (GD & SGD).
4/Marzo	Experimentos numéricos con el gradiente descendente (normalizado); gradiente descendiente truncado.
11/Marzo	Experimentos numéricos con regresión lineal (soluciones exactas e iterativas).
8/Abril	Redes neuronales de una capa oculta; ecuaciones de actualización para GD & SGD.
15/Abril	Redes neuronales profundas; ecuaciones de actualización y el algoritmo de retropropagación.
22/Abril	Experimentos numéricos con redes neuronales de una capa oculta (GD & SGD).
29/Abril	Experimentos numéricos acerca del efecto de diferentes hiperparámetros en el panorama de optimización.

Seminarios Anteriores
[2023] [2022] [2021F] [2021S] [2020]

Última Actualización: mayo de 2024