El objetivo de esta materia es presentar a los estudiantes los aspectos generales de las distintas técnicas de Machine learning e introducir a los estudiantes a los principales conceptos de esta área de conocimiento.  Se presentarán las diferencias entre las técnicas de machine learning y la econometría, la importancia del tamaño de la base de datos, las técnicas de segmentación de la base de datos y los métodos que existen para evaluar las predicciones fuera de la muestra cross-validation y k-folds.

Adicionalmente se presentan las diferencias entre los problemas de clasificación y regresión y entre el aprendizaje supervisado y no supervisado. Se discuten los aspectos a considerar a la hora de elegir los algoritmos o métodos a aplicar en base a la pregunta y los datos disponibles. Finalmente se presentan las formas de evaluar la performance predictiva del modelo y el concepto de tuning de parámetros.

Clave de matriculación: M!_

El objetivo de esta materia es introducir a los estudiantes los distintos algoritmos de machine learning en base a las técnicas comúnmente utilizadas en aprendizaje supervisado y no supervisado.  El enfoque adoptado es práctico. Cada uno de los algoritmos presentados será implementado por parte de los estudiantes a un conjunto de datos reales para responder a un problema de clasificación o regresión utilizando Python (y alternativamente se brindarán los códigos en R).

El objetivo de esta materia es introducir a los estudiantes a las redes neuronales y presentar los principales tipos de redes y su implementación con python.  El curso será aplicado y cada una de las redes neuronales presentadas será implementada por parte de los estudiantes a un conjunto de datos reales.

Clave de matriculación: D33p_l

El curso presenta una introducción al Análisis de Redes con un fuerte componente práctico. Se pondrá especial foco en la librería networkx de Python. Se presentarán los elementos básicos de las redes y medidas que permiten describir la estructura de la red así como realizar comparaciones entre redes. Se presenta una breve introducción a modelos de generación de redes y predicción de vínculos futuros.

Clave de matriculación: R3d3s