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
-
Modelo lineal:
-
Modelo logística: