/EEA

Material para el curso de Enfoque Estadistico del Aprendizaje de la maestría de Explotación de Datos de la UBA

Primary LanguageHTMLMIT LicenseMIT

Notas de Clase:

[Clase 1](clase 1/Clase 1- Introduccion.nb.html):

  • Introducción al entorno R.

[Clase 2](clase 2/Clase 2- Tidyverse.nb.html):

  • Tidyverse.
  • Gráficos

Clase 3:

  • [Rnotebooks](clase 3/Ej_IPC_dolar.nb.html)
  • Shiny apps

[Clase 4](clase 4/presentacion.nb.html):

  • Correlación

[Clase 5](clase 5/modelo_basico.nb.html):

  • Regresión Lineal Simple (primera parte)

Clase 6:

  • [Regresión Lineal Simple (segunda parte)](clase 6/modelo_basico.nb.html)
  • [Bootstrap](clase 6/ejercicio_bootstrap.nb.html)

[Clase 7](clase 7/muchos_modelos.html)

  • Muchos modelos (primera parte)

[Clase 8](clase 8/muchos_modelos.html)

  • Muchos modelos (segunda parte)

Clase 9:

  • [Regresion Logistica](clase 9/logit.nb.html)
  • [Ejercicio Regresion Logistica](clase 9/ejercicio-logistica.nb.html)

[Clase 10](clase 10/regularizacion.nb.html)

  • Regularizacion: Ridge, Lasso y Elastic Net

[Clase 11](clase 11/prophet_shopping.nb.html)

  • Prophet: implementacion de GAM para series de tiempo

[Clase 12](clase 12/mnist101.nb.html)

  • Redes I: Fully Conected Neural Networks

[Clase 13](clase 13/mnist102.nb.html)

  • Redes II: Convolutional Neural Networks

Ejercicios

Preguntas parcial