El Aprendizaje Automático (o Machine Learning) es una rama de la Inteligencia Artificial que se dedica al estudio de los programas que aprenden a realizar una tarea en base a la experiencia. El objetivo del proceso de aprendizaje es utilizar la evidencia conocida para crear un modelo que sirva para dar respuesta a nuevas situaciones no conocidas. Cada día existen más aplicaciones de Aprendizaje Automático: filtros de spam, reconocimiento de caras, autos que se manejan solos, reconocimiento del habla, sistemas de recomendación, detección de fraude, movimiento de robots, y muchos ejemplos más. Esta materia consiste en una introducción abarcativa de las principales técnicas y aplicaciones del área, con una mezcla balanceada de teoría y ejercitación práctica.

Temario: Aprendizaje supervisado: algoritmos de clasificación y regresión (árboles de decisión, naive Bayes, redes neuronales, support vector machines, regresión lineal, etc.); técnicas de ensamble (bagging, boosting, random forests); evaluación de modelos (cross-validation, métricas). Ingeniería de atributos. Reducción de dimensionalidad. Aprendizaje no supervisado, clustering. Aprendizaje por refuerzos. Aplicaciones.