1.- Bibliografía Básica:

Para la impartición del curso, se pretenden seguir los contenidos de los libros:

• Redes Probabilísticas y Neuronales en las Ciencias Atmosféricas, Ministerio de Medio Ambiente (2004)

lecturas:

• Statistical Learning (Rich & Knight book)
• Bayesnets Classifiers (Friedman 1997)
  

2.- Software de demostración y de libre uso:

Durante el curso se realizarán prácticas con distintos programas de dominio público (o versiones demo de programas comerciales):

• Hugin (redes Bayesianas)
• Weka Software
  

• Repositorio de resultados y aplicaciones de problemas de clasificación: aquí tenéis unos cuantos problemas de clasificación (médicos, satélites, etc.). Además se incluyen estudios hechos con estos datos y, en muchos casos, que índices de acierto se consiguen con distintas técnicas implementadas en Weka. Algunos de los conjuntos de datos tienen un enlace al "UCI repository"; podéis buscar el conjunto de datos en http://mlearn.ics.uci.edu/databases/ (si tenéis problemas escribirme un correo).
• Meteorología en Parayas (Santander): este es el ejemplo de meteoros observados en Santander. Podéis intentar clasificar los días que llueve y los que no en función del resto de variables. Es un problema discreto así que podéis utilizar la aproximación del Bayes Ingenuo y la técnica de k-vencinos (k-NN).

UCI repository cotiene datasets variados, pero no son exclusivamente para problemas de clasificación.