De acuerdo a las instrucciones de la convocatoria, en esta acción formativa no podrá participar el personal al servicio de las Administraciones Públicas.
OBJETIVOS
- Capacitar a los alumnos para comprender los conocimientos básicos de la estadística y la econometría que permiten realizar modelos de Machine Learning.
- Realizar un mapa conceptual de los diferentes modelos de Machine Learning en función de su tipología y sus casos de uso.
- Desarrollar, evaluar e implementar los principales modelos de Machine Learning existentes en la actualidad.
CONTENIDOS Estadísticos básicos: Cálculo e interpretación de la:
- Media.
- Mediana.
- Moda
- Varianza.
- Covarianza.
- Correlación.
Regresión como base de la modelización:
- Regresión lineal simple.
- Regresión lineal general.
- Regresión polinómica.
- Regresión logística.
- Error Cuadrático Medio y Error Absoluto.
- Estimación de la recta de regresión.
- Análisis de la significatividad global del modelo.
- Análisis de la significatividad individual de las variables.
- Cálculo del Coeficiente de Determinación.
- Dummy Variables.
Machine Learning
1. Definición.
2. Mapa conceptual.
3. Modelos supervisados:
1. Clasificación:
2. Regresión logística.
3. KNN.
4. Naive Bayes.
5. Árbol de clasificación.
6. C5.0
7. Random Forest.
8. XGBoost.
2. Regresión:
1. Regresión.
2. Árbol de regresión.
3. Random Forest.
4. XGBoost.
d. Modelos no supervisados:
1. Clusterización
2. Reglas de asociación.
4. Series temporales univariantes.