Skip to content

You are here: Home / XIV Summer School 2021 / Courses / Aprendizaje supervisado con respuesta ordinal - June 28th to July 2nd

Aprendizaje supervisado con respuesta ordinal - June 28th to July 2nd

Date:

Cancelled

Classroom:

------

Modality:

Only Streaming

Instructor

Pedro Antonio Gutiérrez.

Pedro Antonio Gutiérrez Peña obtuvo el doctorado en Informática por la Universidad de Granada, el título de Ingeniero en Informática por la Universidad de Sevilla y el Máster en Soft Computing y Sistemas Inteligentes también por la Universidad de Granada. Actualmente es Profesor Titular del Departamento de Informática y Análisis Numérico de la Universidad de Córdoba, habiendo trabajado anteriormente en el Instituto de Agricultura Sostenible del CSIC. Pertenece al grupo de investigación AYRNA (Aprendizaje y Redes Neuronales Artificiales). Su labor de investigación está centrada en el aprendizaje automático, abarcando el diseño de redes neuronales artificiales mediante técnicas bioinspiradas, el desarrollo y evaluación de modelos para clasificación ordinal y la aplicación de todas estas técnicas a problemas reales en energías renovables o biomedicina.

Language

Castellano

Description

La explosión de datos que vivimos actualmente ha hecho que el aprendizaje automático adquiera una especial relevancia, tanto a nivel académico como empresarial. Dentro del aprendizaje automático, es frecuente encontrar problemas de clasificación en los que las etiquetas de clase pueden ordenarse según una determinada escala. Por ejemplo, el diagnóstico de la Enfermedad de Parkinson a partir de imágenes funcionales puede realizarse en función del grado de afección en la imagen: paciente sano, afección leve, moderada y grave. Esta naturaleza ordinal de los datos puede y debe ser explotada para obtener clasificadores más robustos, capaces de realizar predicciones lo más cercanas posibles (teniendo en cuenta la escala ordinal) a la etiqueta real. Existe una gran cantidad de áreas de aplicación en las que los problemas de clasificación ordinal son especialmente relevantes, como medicina, economía o sociología.

Course goal

Este curso pretende introducir las características fundamentales de los problemas de clasificación ordinal, junto con las principales técnicas que han sido aplicadas en aprendizaje automático para tratarlos de manera específica.

El curso tiene una doble vertiente: se cubrirán los conceptos a nivel teórico y también se incluirán talleres prácticos basados en el framework ORCA (Ordinal Regression and Classification Algorithms, https://github.com/ayrna/orca).

 Course contents

1. Introducción a clasificación nominal, clasificación ordinal y métricas de evaluación.
2. Instalación y configuración de ORCA, estudio práctico de métricas de evaluación en clasificación ordinal.
3. Algoritmos de clasificación ordinal:
   3.1. Aproximaciones ingenuas.
   3.2. Métodos basados en descomposición binaria.
   3.3. Métodos de umbral.
   3.4. Aprendizaje profundo ordinal.
   3.5. Otros algoritmos de clasificación ordinal.
4. Evaluación experimental de los métodos estudiados utilizando ORCA.
5. Métodos de preprocesamiento para clasificación ordinal.

Prerequisites

Conocimientos básicos de aprendizaje automático.
Conocimientos básicos de programación.

Targeted at

Estudiantes de máster y doctorado en áreas relacionadas (Estadística, Informática, Ciencia de Datos...) y profesionales en dichas áreas

Evaluation

Proyecto práctico utilizando las herramientas estudiadas en el curso y evaluado a través de un informe.

Computer class or student's laptop?

Student's laptop

Software requirements

Matlab (software comercial) u Octave (software libre)
ORCA: https://github.com/ayrna/orca