Departamento de Matemáticas UAM

  • Inicio
  • Inicio (2)
  • Presentación
  • Directorio
  • Organigrama
  • Intranet
  • Convocatoria de plazas

Estudios

  • Grado
  • Posgrado
  • Aula Abierta
  • Facultad de Ciencias

Investigación

  • Ayudas para investigación
  • Departamento
  • Grupos de investigación
  • Institutos de investigación
  • Seminarios
  • Joint Mathematics Colloquium ICMAT-UAM-UC3M-UCM
  • Memorial Rubio de Francia
  • Coloquio Premio Rubio de Francia
  • Coloquios Departamento

Divulgación

  • Semana de la Ciencia
  • Campamento de Verano
  • Matemáticas en La Corrala
  • Canal Youtube
  • Revista Qed
  • Otras Actividades
  • Blogs Divulgativos

Noticias Destacadas

       Agenda del Departamento

 

  • Información (provisional) sobre grupos y horarios de las asignaturas impartidas por el Departamento de Matemáticas, para el curso 2023-2024.

  • Propuestas de Trabajos de Fin de Grado para el curso 2023-2024.


 


Canal @matematicasuam

 

Enlace al canal del Departamento en youtube.

 


 


PIM (Pequeño Instituto de Matemáticas)

Con el objetivo de fomentar el interés por las matemáticas y dirigido a jóvenes entre 14 y 18 años, nace este proyecto de Instituto de Ciencias Matemáticas (ICMAT) en colaboración con nuestro Departamento, la Universidad Autónoma de Madrid y la Real Sociedad Matemática Española.

El proyecto comienzó en el curso académico 2022-2023. Ampliar información en su página web.

 

Mes anteior Día anterior
Anual
Mensual
Semanal
Diario
Buscar
Ir al mes específico
Día siguiente Mes siguiente
Anual Mensual Semanal Hoy Buscar Ir al mes específico
Seminario de Estadística

Seminario de Estadística

"APRENDIZAJE SEMI-SUPERVISADO"

Alejandro Cholaquidis
Universidad de la República (Uruguay)

Miércoles, 5 de diciembre, 15:00 h., sala 520
 
Resumen:
 
El problema clásico de clasificación tiene como objetivo asignar una etiqueta a un nuevo dato a partir de una muestra D_n de entrenamiento.  Típicamente se asume D_n iid, y se prueban resultados de consistencia cuando n → ∞. En el contexto de aprendizaje semi-supervisado, la muestra de entrenamiento es pequeña, y se tiene una enorme cantidad, l>>n, de datos para clasificar, X_1 , . . . , X_l . El objetivo es usar (si es posible) la enorme cantidad de datos no clasificados,  para construir un clasificador que sea mejor (se equivoque menos) que el que se  puede construir con la muestra inicial D_n ya etiquetada. Intuitivamente, esto será posible  si conocer la distribución de las X aporta información a la clasificación.   En la charla propondremos un algoritmo que permite clasificar secuencialmente la muestra X_1,...X_l , y que asintoticamente (cuando l → ∞ y n es fijo), se comporta como la mejor regla (teórica) posible. Si bien esto requiere imponer hipotesis fuertes sobre la distribución de las X, veremos que las mismas son necesarias, por la dificultad intrínseca del problema.
Localización  Miércoles, 5 de diciembre, 15:00 h., sala 520
CSS Valid | XHTML Valid | Top | + | - | reset
Copyright © Eximium 2025 All rights reserved. Custom Design by Youjoomla.com
Inicio