Machine Learning con Python

Notas de clase

Actualización: septiembre 2024

Este documento está en construcción. Tiene por objetivo recoger material necesario para impartir un curso aplicado de técnicas de Machine Learning. Esta primera versión realiza una revisión detallada de aprendizaje supervizado, no supervizado e incluye una introducción al procesamiento de lenguaje natural (NLP).

En la medida de lo posible el documento trabaja con datos de Ecuador. Además, el software utilizado para su desarrollo es Python.

Material del autor en Python

• Introducción a la Econometría

Material del autor en R

• Técnicas de Machine Learning con R

• Series de Tiempo

• Econometría Espacial

• Métodos de evaluación de impacto

Introducción a Python

• 1. Python, una introducción
• 2. Pandas
• 3. Gráficos básicos: matplotlib & seaborn

Análisis Exploratorio de Datos

• 4. Estadística Descriptiva
• 5. Pruebas de Hipótesis

Aprendizaje Supervizado

• 6. Machine Learning
• 7. Aprendizaje Supervisado
• 8. Regresión lineal
• 9. Modelos de Probabilidad
• 10. Análisis de Componentes Principales
• 11. Árboles de decisión
• 12. Support Vector Machines
• 13. Redes Neuronales
• 14. Evaluación de Modelos

Aprendizaje no Supervisado

• 15. Aprendizaje no supervizado