Docentes: Carolina Pradier y Guido Weksler.
Los materiales para la cursada se encuentran estructurados por clases. En esta página encontrarán para cada clase un botón de descarga de los contenidos.
Clase 1 - Introducción: tipos de modelos, trade-offs:
En el archivo 0_packages pueden encontrar el código para descargar los paquetes que vamos usar en el módulo.
- Temas de clase:
- ¿Por qué construir modelos?
- Predicción vs inferencia
- Regresión vs clasificación
- Paramétricos vs no paramétricos
- Supervisado vs no supervisado
- Trade-off precisión-interpretabilidad
- Trade-off sesgo-varianza
- Evaluación. Nociones de train/test, validation, matriz de confusión
- Flujo de trabajo: explorar, transformar, modelizar, evaluar
- Introducción a Tidymodels
Clase 2 - Explorando y transformando variables. Intro a regresión lineal simple:
- Temas de clase:
- ¿Qué tipo de modelo es la regresión lineal?
- ¿Qué preguntas responde la regresión lineal?
- Tipos de relaciones entre variables
- Regresión lineal simple: fórmula, coeficientes y mínimos cuadrados
- Tests de hipótesis e intervalo de confianza. P-valor
- Predicciones
- Supuestos del modelo. Residuos y su distribución
- Métricas de evaluación de un modelo: R2
- Tidymodels 1
Clase 3 - Regresión lineal simple y múltiple:
- Temas de clase:
- Regresión múltiple: ¿por qué no una simple por cada variable?
- Fórmula, coeficientes e interpretación
- Variables independientes cualitativas y términos de interacción
- Tests de hipótesis 2: significatividad global
- Multicolinealidad. El trade-off sesgo-varianza
- Complejizamos la métrica de evaluación del modelo: R2 ajustado
- Tidymodels 2
Clase 4 - Clasificación 1: Regresión logística:
- Temas de clase:
- Modelos de clasificación: para qué sirven y cuáles existen
- Los limites de la regresión lineal.
- ¿Qué tipo de modelo es la regresión Logística?
- Coeficientes y lectura de outputs
- Train-Test split
- Medidas de evaluación del modelo
Clase 5 - Clasificación 2: Intro a KNN y LDA:
- Temas de clase:
- Limites de la regresión logística.
- Clasificador de Bayes.
- K-Nearest Neighbors supervisado
- LDA
Clase 6 - Cross-Validation y repaso general:
- Temas de clase:
- Limitantes del enfoque Train-Test
- Cross-Validation.
- Repaso de clases 1 a 5