EEA-UBA 2021
Ayudantes
Juan Manuel Barriola
Sofía Perini
Clase 1: 21-08
Presentación / Encuesta inicio de curso
Clase 2: 28-08
Fundamentos de programación en R: entorno, objectos, estructuras de datos, loops, control flow y funciones
- [Introducción al entorno R](clase 1/Clase 1 - Introduccion a R.nb.html)
- [Loops, condicionales y funciones](clase 1/Clase 1 - Loops, condicionales y funciones.nb.html)
- [Ejercicios](clase 1/Clase 1 - Ejercicios -Consignas .nb.html)
- [Resueltos](clase 1/Resueltos/Clase 1 - Ejercicios -Resueltos.R)
Datasets para ejercicios
Clase 3: 04-09
Introducción al paquete Tidyverse: trabajo con datasets (dplyr
y tidyr
), fechas (lubridate
), strings (stringr
) y gráficos (ggplot2
)
- [Tidyverse](clase 2/Clase 2 - Tidyverse.nb.html )
- [Ejercicios](clase 2/Clase 2 - Ejercicios.nb.html )
- [Resueltos](clase 2/resueltos)
Datasets para ejercicios
Material opcional
- [Gráficos de kernels y tendencias](clase 2/Clase 2 - Kernels y Tendencias (OPCIONAL).nb.html)
- [Distintos tipos de Join](clase 2/Clase 2. Distintos tipos de Join (OPCIONAL).nb.html)
Clase 4: 11-09
Estimación y test de correlación entre 2 variables. Matrices de correlación: librerías corrr
y GGally
- [Correlación](clase 3/Clase-3---Correlacion.html)
Análisis exploratorios, limpieza de datos, análisis de outliers e interpretación de los coeficientes de un modelo lineal simple
- [Regresión Lineal Simple: Modelo e interpretación](clase 3/Clase-3---Regresion-Lineal-Simple.html)
Dataset Notebook Modelo Lineal
Clase 5: 18-09
Inferencia sobre los parámetros, test de significatividad global y R-cuadrado
- [Regresión Lineal Simple: Evaluación y diagnóstico](clase 4/Clase-4---Regresion-Lineal-Simple-Eval.html)
Introducción a programación funcional con Tidyverse PURRR
- [Tidyverse:PURRR](clase 4/PURRR.nb.html)
Clase 6: 25-09
Diagnóstico de modelo lineal simple
- [Regresión Lineal Simple: Evaluación y diagnóstico](clase 4/Clase-4---Regresion-Lineal-Simple-Eval.html)
Modelo lineal desde el enfoque de Machine Learning: random search y grid search de parámetros, función objetivo y métodos de optimización para hallar los valores de los parámetros
- [Regresión Lineal Simple: Enfoque de Machine Learning](clase 5/modelo_lineal_enfoque_ml_resuelto.nb.html)
Un ejemplo de Shiny App sobre Overfitting (basado en https://github.com/apapiu/Shiny-Apps)
- [Shiny App](clase 5/shiny/overfitting/app.R)
Clase 7: 02-10
Interpretación de coeficientes en Regresión Lineal Múltiple, inclusión de variables categóricas y test de significatividad individual
- [Regresión Lineal Múltiple: Parte I](clase 6/Clase 6 - Regresion Lineal Multiple.nb.html)
Dataset Notebook Modelo Lineal Múltiple
- Dataset Properati
- [Preprocesamiento Dataset Properati](clase 6/Preprocesamiento Dataset Properati.nb.html)
Clase 8: 16-10
Evaluación y diagnóstico del modelo. Explicación vs predicción.
- [Regresión Lineal Múltiple: Parte II](clase 7/Clase 7 - Regresion Multiple II.nb.html)
Dataset Preprocesado Modelo Lineal Múltiple
- [Datos Properati Preprocesados](clase 6/properati_preprocesado.csv)
Clase 9: 23-10
Extensiones del Modelo de Regresión Lineal Múltiple.
- [Extensiones Modelo Lineal Múltiple](clase 8/Clase 8 - Molelo log(price).nb.html)
Clase 10: 30-10
Regresión Logística: modelo de clasificación. Interpretación de coeficientes, métricas y gráficos de evaluación del modelo y evaluación de performance.
Problema del desbalanceo de clases: comportamiento del modelo, estrategia de oversampling y su efecto en el modelo
- [Regresion Logistica](clase 9/logit.nb.html)
Clase 11: 06-11
Regularización: modelos Ridge, Lasso y Elastic Net y trade off sesgo-varianza
- [Regularizacion: Ridge, Lasso y Elastic Net](clase 10/regularizacion.html)
Datasets para técnicas de regularización
- [Diccionario de términos NBA](clase 10/diccionario_terminos.csv)
- [Datos de estádisticas de juego de la NBA](clase 10/ nba_player_stats_salary_2019_2020.csv)
Clase 12: 13-11
Smoothing, GAM y Prophet.
- [Prophet: implementacion de GAM para series de tiempo](clase 11/prophet_shopping.nb.html)
Clase 13: 27-11
Examen final integrador.
Clase 14: 4-12
Redes Neuronales.