Análisis de Datos

Un curso de estadística aplicada a la inteligencia artificial, en dos niveles. El nivel Básico cubre desde qué es un dato hasta regresión, clasificación y validación de modelos. El nivel Avanzado retoma la regresión desde una base más rigurosa y avanza hacia regularización, remuestreo, suavización, modelos lineales generalizados, variables latentes y datos dependientes en el tiempo.

Los módulos están pensados para leerse en orden.

Básico — Estadística para IA

1. Introducción al análisis de datos
2. Medidas de tendencia central
3. Variabilidad y dispersión
4. Distribuciones y forma de los datos
5. Relación entre variables
6. Representación vectorial de datos
7. Reducción de dimensionalidad (PCA)
8. Fundamentos de probabilidad
9. Inferencia estadística
10. Enfoques frecuentista y bayesiano
11. Regresión lineal
12. Clasificación y métricas de evaluación
13. Validación y desempeño del modelo
14. Proyecto integrador final

Avanzado — Análisis Avanzado de Datos

• 1. Introducción y repaso de regresión lineal
• 2. Regresión lineal múltiple — con su extensión 2.1: Regularización Ridge y Lasso
• 3. Evaluación de modelos y bootstrap — y, como técnica complementaria de remuestreo, 3.1: Validación cruzada k-fold
• 6. Métodos de suavización: splines
• 7. Métodos de kernel: estimación de densidades y regresión — con su caso aplicado: mapas de entrega con kernels
• 9. Modelos lineales generalizados (GLM): regresión logística — junto con, dentro de la misma familia, 9.1: regresión de Poisson — y su generalización, 9.2: modelos aditivos (GAM)
• 11. Variables latentes I: Análisis de Componentes Principales (PCA)
• 12. Variables latentes II: Análisis de Componentes Independientes (ICA)
• 13. Métodos de reducción de dimensionalidad — con su caso aplicado: comparar PCA, t-SNE y UMAP
• 14. Series de tiempo
• 15. Datos longitudinales

Todas las clases publicadas