Introducción. -- Vista general del aprendizaje supervisado. -- Métodos de regresión lineal. -- Métodos de clasificación lineal. -- Ampliaciones de base y regularización. -- Métodos Kernel Smoothing. -- Modelo de evaluación y selección. -- Modelo de interferencia y promedio. -- Modelos aditivo de árboles y métodos relacionales. -- Árbol impulsivo y aditivo. -- Redes neuronales. -- Máquinas de soporte vectorial y flexible discriminantes. -- Prototipo de métodos y vecinos más próximos. -- Aprendizaje no supervisado. -- Bosques al azar. -- Ensamble de aprendizaje. -- Modelo de gráficos no direccionales. -- Problemas de alto nivel dimensional.