Machine Learning & AI for the Working Analyst
En los últimos años la influencia de la inteligencia artificial en el sector industrial ha sido gigantesca. Este curso es una invitación al state of the art de estas aplicaciones enfocándonos en los casos de éxito que sean útiles para los analistas de datos, sin importar su área de trabajo.
Ofrecemos:
1. Enseñar un manejo de Python y R que permita resolver problemas utilizando imágenes, texto, bases estructuradas, series de tiempo e incluso cuando no existen suficientes datos.
2. Más de 15 algoritmos útiles para resolver la inmensa mayoría de las posibles tareas a las que se puede enfrentar un analista de datos.
3. Una explicación matemática detallada de cómo funcionan los algoritmos que le permitan a los estudiantes interpretar sus resultados así como distinguir las ventajas y retos en cada caso.
4. El planteamiento, los datos y la solución de 9 problemas reales que enfrentan las industrias: farmacéutica, turística, de telecomunicaciones, de recursos humanos, transportista, financiera, los portafolios de inversión, energética y legal.
Temas:
Cada semana tiene un tema particular en el que haremos énfasis.
1. La maldición de la dimensión y el sobre-ajuste
2. La explicabilidad de un modelo
3. Regularización
4. Espacio Latente
5. Outliers
6. El riesgo
7. Simulación Bayesiana
8. Procesos con memoria y estructuras de los datos
9. El refuerzo v.s. las etiquetas
Objetivos:
Temario:
Invitación a redes neuronales: perceptrón
- Invitación a redes neuronales: perceptrón
- Árboles de decisión y random forest
- Regresiones logísticas, Ridge y Lasso
- Latent Dirichlet Allocation
- Regresión Robusta y Huber
- ARMA, ARIMA y ARCH
- Simulación Monte-Carlo (Longstaff-Schwartz)
- Deep Learning para NLP (LSTM y Atención)
- Aprendizaje por refuerzo (Q-Learning)
Fecha:
Precio:
Duración del curso:
Clase abierta
Ml & AI for the working analyst
Lenguajes de programación utilizados en el curso:
R
Python
- Pandas
- Numpy
- Apache
- Keras
- Gym
A.Cada bloque incluye un documento en forma de notas de curso redactado cuidadosamente por el tutor.
B. Los cursos son en vivo vía zoom y los estudiantes tienen acceso indefinido a los vídeos del curso.
C. En el curso se utilizarán data sets y ejemplos reales. Los alumnos se quedarán con el código utilizado en clase para resolver los problemas.
Evaluación y proyectos
I) Cada semana se realizará un pequeño test para revisar el aprendizaje del estudiante.
II) Al final cada bloque de tres cursos se realizará una evaluación que consiste en dos partes:
1. Un examen práctico donde el estudiante deberá aplicar sus habilidades para resolver otros problemas similares o adecuaciones de los mismos vistos en clase.
2. Un examen teórico que simula una entrevista laboral sobre el planteamiento del problema, la interpretación de los resultados y la descripción de los algoritmos.
iii) El curso incluye un acompañamiento por parte de los profesores en el desarrollo de proyectos que los estudiantes deseen desarrollar utilizando las técnicas aprendidas.
