Aprendizaje automático y análisis predictivo con Python

Introducción al aprendizaje automático

• Tipos de aprendizaje automático: supervisado frente a no supervisado
• Del aprendizaje estadístico al aprendizaje automático
• Flujo de trabajo de minería de datos: comprensión del negocio, preparación de datos, modelado y despliegue
• Selección del algoritmo adecuado para la tarea
• Sobreajuste (overfitting) y el compromiso entre sesgo y varianza

Descripción general de Python y bibliotecas para ML

• Por qué usar lenguajes de programación para el aprendizaje automático
• Elegir entre R y Python
• Curso intensivo de Python y Jupyter Notebooks
• Bibliotecas de Python: pandas, NumPy, scikit-learn, matplotlib, seaborn

Pruebas y evaluación de algoritmos de ML

• Generalización, sobreajuste y validación de modelos
• Estrategias de evaluación: holdout (conjunto de prueba), validación cruzada y bootstrap
• Métricas para regresión: ME, MSE, RMSE, MAPE
• Métricas para clasificación: precisión, matriz de confusión y clases desbalanceadas
• Visualización del rendimiento del modelo: curva de beneficios, curva ROC y curva de elevación (lift curve)
• Selección del modelo y búsqueda en cuadrícula para el ajuste de parámetros

Preparación de datos

• Importación y almacenamiento de datos en Python
• Análisis exploratorio y estadísticas descriptivas
• Manejo de valores faltantes y valores atípicos
• Estandarización, normalización y transformación
• Recodificación de datos cualitativos y manipulación de datos con pandas

Algoritmos de clasificación

• Clasificación binaria frente a multiclase
• Regresión logística y funciones de discriminación
• Bayes ingenuo, k vecinos más cercanos (k-NN)
• Árboles de decisión: CART, Bosques aleatorios, Bagging, Boosting y XGBoost
• Máquinas de soporte vectorial (SVM) y núcleos (kernels)
• Técnicas de aprendizaje por conjunto (ensemble learning)

Regresión y predicción numérica

• Mínimos cuadrados y selección de variables
• Métodos de regularización: L1, L2
• Regresión polinómica y modelos no lineales
• Árboles de regresión y splines

Redes neuronales

• Introducción a las redes neuronales y el aprendizaje profundo
• Funciones de activación, capas y retropropagación
• Perceptrones multicapa (MLP)
• Uso de TensorFlow o PyTorch para el modelado básico con redes neuronales
• Redes neuronales aplicadas a clasificación y regresión

Pronóstico de ventas y análisis predictivo

• Pronóstico basado en series temporales frente al basado en regresión
• Manejo de datos con patrones estacionales y de tendencia
• Construcción de un modelo de pronóstico de ventas utilizando técnicas de aprendizaje automático
• Evaluación de la precisión e incertidumbre del pronóstico
• Interpretación empresarial y comunicación de resultados

Aprendizaje no supervisado

• Técnicas de clustering: k-means, k-medoids, clustering jerárquico, SOMs (Mapas autoorganizativos)
• Reducción de dimensionalidad: PCA, análisis factorial, SVD
• Escalamiento multidimensional

Minería de texto

• Preprocesamiento de texto y tokenización
• Bag-of-words, stemming (eliminación de sufijos) y lematización
• Análisis de sentimientos y frecuencia de palabras
• Visualización de datos de texto mediante nubes de palabras

Sistemas de recomendación

• Filtrado colaborativo basado en usuarios y basado en ítems
• Diseño y evaluación de motores de recomendación

Minería de patrones de asociación

• Conjuntos de ítems frecuentes y algoritmo Apriori
• Análisis del carrito de compras y ratio de elevación (lift ratio)

Detección de valores atípicos

• Análisis de valores extremos
• Métodos basados en distancia y densidad
• Detección de valores atípicos en datos de alta dimensión

Estudio de caso de aprendizaje automático

• Comprensión del problema empresarial
• Preprocesamiento de datos e ingeniería de características
• Selección del modelo y ajuste de parámetros
• Evaluación y presentación de los hallazgos
• Despliegue

Resumen y próximos pasos