Análisis exploratorio de datos
- Introducción a la ciencia de datos. Consideraciones prácticas y éticas. Notebooks de Python, Google Colab, herramientas para la materia.
- Tipos de datos.
- Procesamiento y preparación de datos numéricos. Estandarización, normalización, detección y remoción de outliers, datos faltantes.
- Estadística descriptiva. Medias, medianas, cuartiles, desvío estándar, error estándar. Distribuciones. Introducción a probabilidad.
- Visualización de datos. Tipos de plots básicos y cuando usarlos: scatter, barras, boxplots, violinplots, tortas, y otros.
Modelos de regresión
- Regresión lineal, cuadrados mínimos. Introducción a scikit-learn. Regresión lineal, cuadrados mínimos.
- Regresión lineal, polinomios. Concepto de overfiteado.
- Regresión logística. Clasificación vs. regresión.
- Regresión lineal y logística como algortimos de machine learning. Conceptos básicos de ML: función de costo, optimización, gradient descent
Modelos de clasificación
- Test set-train set. Cross-validation. Métricas para la medición de performance en regresión y clasificación. Label shuffling.
- Clasificador lineal.
- Clasificación basada en instancias (KNN)
- Árboles de decisión. Ensembles de árboles aleatorios (random forest)
- Support vector machines. Kernels.
Reducción de la dimensión
- Clustering de datos y reducción de la dimensionalidad (ejemplo y análisis: PCA)
- Clustering de datos y reducción de la dimensionalidad (ejemplo y análisis: kmeans, kmeans jerárquico)
Análisis de datos no numéricos
- Uso de APIs, obtención de keys, requests, distintos ejemplos
- Scrapeo de páginas web.
- Preprocesado y limpieza de datos no numéricos, principalmente texto.
- Preprocesado de datos de texto (segunda parte): matriz de frecuencia, TF-IDF, nube de palabras, análisis de emotividad.
- Clasificación de documentos (KNN, Bayes)
- Detección de tópicos (LSA, NMF, LDA)