Fundamentos estadísticos del Machine Learning

En este espacio de formación se aborda una introducción a los conceptos fundamentales del machine learning como: muestras de entrenamiento, prueba y validación, métricas para evaluar la capacidad predictiva de un modelo, sobreajuste, cuantificación de la importancia de las variables y la ejecución e implementación de varios de los modelos más frecuentemente usados en el ámbito de machine learning (regresión lineal, regresión logística, árboles de decisión, bosques aleatorios, y redes neuronales). 

El curso está organizado en 12 secciones teórico-prácticas de dos y media horas cada una en las cuales se desarrollan estudios de caso con conjuntos de datos reales. Se reforzará lo aprendido en las sesiones con actividades independientes. Se dictará en la modalidad virtual vía Zoom. 

Herramientas: R (tidymodels, XGBoost, H2o, mlr3 y otros paquetes) 

Dirigido a: Curso abierto. 

Prerrequisitos: 

• Familiaridad con algún lenguaje de programación utilizado en contextos de análisis de datos (R, Python o Matlab)
• Conocimientos básicos de estadística.