DOCUMENTOS

Machine learning con Python y Scikitlearn

Tutorial sobre cómo crear de modelos de machine learning con Python y Scikit-learn

Detección de anomalías: Attribute wise learning for scoring outliers (ALSO)

Implementación y uso del algoritmo ALSO para la detección de anomalías

Regresión cuantílica: modelos GAMLSS

Descripción y ejemplo de cómo predecir cuantiles con modelos GAMLSS

Introducción a los modelos GAMLSS

Introducción práctica a los modelos GAMLSS (modelos aditivos generalizados para posición, escala y forma)

Optimización bayesiana de hiperparámetros

Ejemplo práctico de cómo encontrar los mejores hiperparámetros de un modelo predictivo mediante optimización bayesiana

Machine learning con R y mlr3

Tutorial sobre cómo crear de modelos de machine learning con mlr3

Machine learning con R y tidymodels

Tutorial sobre cómo crear de modelos de machine learning con tidymodels

Mapa de España con ggplot2 y R

Ejemplo de cómo crear mapas en R

Crear GIF con R

Ejemplo de cómo crear gift animados con R

Regresión cuantílica: Gradient Boosting Quantile Regression

Descripción y ejemplo de cómo predecir cuantiles con gradient boosting

H2O, IML y DALEX

Ejemplo práctico de cómo entrenar modelos de machine learning con la librería H2O y de cómo compararlos e interpretarlos con Dalex e IML.

Ajuste de distribuciones con R

Descripción y ejemplos de cómo ajustar distribuciones probabilísticas con R

Distributional Regression Forest: Random Forest probabilístico

Descripción y ejemplo de cómo predecir probabilidades con Distributional Regression Forest.

Regresión cuantílica: Quantile Regression Forest

Descripción y ejemplo de cómo predecir cuantiles con Quantile Regression Forest.

Detección de anomalías con Isolation Forest

Ejemplo de cómo utilizar Isolation Forest para la detección de anomalías.

Detección de anomalías con trimmed k-means

Detección de anomalías con el método de clustering robusto trimmed k-means.

Detección de anomalías con Autoencoders y PCA

Ejemplos de cómo detectar anomalías con Autoencoders y PCA empleando el error de reconstrucción.

Comparación de distribuciones: test Kolmogorov–Smirnov

Ejemplo de cómo identificar diferencias entre dos distribuciones mediante el test de Kolmogorov–Smirnov y otros estadísticos.

Detecting “things” with edge computing and the cloud

In this talk, Joaquin and Ramiro share the advances and learning obtained when developing an edge computing pipeline to detect in real time when an operator does not have the adequate equipment, and as that is only a small piece of all the necessary architecture.

Selección de predictores con algorítmo genético Python

Implementación de un algoritmo genético para la selección de variables predictoras en Python.

Optimización con enjambre de partículas Python

Implementación de un algoritmo de optimización Particle Swarm Optimization (PSO) en Python.

Optimización con enjambre de partículas (Particle Swarm Optimization)

Implementación de un algoritmo de optimización Particle Swarm Optimization (PSO) en R.

Optimización con algoritmo genético (GA) Python

Implementación de un algoritmo genético para optimización en Python.

Optimización con algoritmo genético (GA)

Implementación de un algoritmo genético para optimización en R.

Gráficos ICE para interpretar modelos predictivos

Creación de gráficos Individual Conditional Expectation (ICE) para interpretar modelos predictivos black box.

Algoritmo genético para la selección de predictores

Implementación de un algoritmo genético para la selección de variables predictoras en R.

Análisis farmacogenómico de paneles celulares: drug screening e identificación de biomarcadores

Ejemplo de cómo analizar ensayos celulares para la identificación de biomarcadores.

Machine Learning con H2O y R

Tutorial sobre cómo crear modelos de machine learning con H2O y R.

Machine Learning con H2O y Python

Tutorial sobre cómo crear modelos de machine learning con H2O y Python.

Reglas de asociación y algoritmo Apriori con R

Apuntes sobre reglas de asociación, el algoritmo Apriori y de cómo ejecutarlos con R.

Clasificación de tumores con Machine Learning

Ejemplo de clasificación de tumores empleando los niveles de expresión de genes y machine learning.

Machine Learning con R y caret

Tutorial sobre la creación de modelos de machine learning y data mining con caret.

Tobit Regression: modelos lineales para datos censurados

Ajuste de modelos de regresión Tobit para datos censurados en R.

Sistemas de recomendación con R

Tutorial sobre sistemas de recomendación y su implementación en lenguaje R.

Text mining con R: ejemplo práctico Twitter

Ejemplo práctico de análisis de texto empleando datos de Twitter y lenguaje R.

Clustering y heatmaps: aprendizaje no supervisado con R

Apuntes sobre métodos de clustering y representación gráfica de dendogramas y heatmaps con R.

Regresión cuantílica (Quantile Regression) con R

Apuntes sobre regresión de cuantiles, comparación de medianas y su aplicación en R.

Análisis de Componentes Principales (Principal Component Analysis, PCA) y t-SNE

Apuntes sobre reducción de dimensionalidad con los métodos PCA y t-SNE, y su aplicación con R.

SVM Máquinas de Vector Soporte (Support Vector Machines)

Apuntes sobre Máquinas de Vector Soporte (Support Vector Machines, SVM) y su aplicación con R.

Algoritmo Perceptrón

Implementación del algoritmo perceptrón simple con R.

Árboles de predicción: bagging, random forest, boosting y C5.0

Apuntes sobre modelos de machine learning basados en árboles y cómo crearlos con R.

Regresión no lineal: Regresión Polinómica, Splines, Smooth Splines y GAMs

Métodos de regresión no lineal y su aplicación en R.

Selección de predictores: subset selection, ridge, lasso y reducción de dimensionalidad

Estrategias para seleccionar predictores en R.

Validación de modelos: Cross-validation, OneLeaveOut, Bootstrap

Métodos y estrategias para evaluar modelos predictivos.

Análisis discriminante lineal (LDA) y Análisis discriminante cuadrático (QDA)

Modelos de clasificación con Análisis discriminante lineal y Análisis discriminante cuadrático con R.

Regresión logística en R

Creación de modelos de clasificación mediante regresión logística con R.

Ejemplo práctico de regresión lineal simple, múltiple, polinomial e interacción entre predictores

Regresión Lineal Múltiple en R

Tutorial sobre modelos de regresión lineal múltiple.

Correlación lineal y regresión lineal simple en R

Apuntes sobre distintos métodos de correlación lineal y regresión lineal simple con lenguaje de programación R.

Comparaciones múltiples: corrección de p-value y FDR

Múltiples test estadísticos: inflación del error, corrección de p-value y FDR.

Resampling: Test de permutación, Simulación de Monte Carlo y Bootstrapping

Información sobre las diferentes técnicas de resampling y su aplicación como test estadísticos.

Test exacto de Fisher, chi-cuadrado de Pearson, McNemar y Q-Cochran

Apuntes sobre test estadísticos para variables cualitativas en R (parte 2).

Test binomial exacto, test multinomial y test chi-cuadrado goodnes of fit

Apuntes sobre test estadísticos para variables cualitativas en R (parte 1).

Test de Friedman

Test de Friedman como alternativa no paramétrica al ANOVA de datos dependientes.

Test de Kruskal-Wallis

Test de Kruskal-Wallis como alternativa no paramétrica al ANOVA de datos independientes.

ANOVA con R

Apuntes de cómo realizar los distintos tipos de ANOVA en R para comparar múltiples medias.

Test de los rangos con signo de Wilcoxon

Test de rangos de Wilcoxon como alternativa no paramétrica al t-test de medias dependientes.

Test Wilcoxon-Mann-Whitney

Alternativa no paramétrica al t-test de medias independientes.

Test estadístico para proporciones

Test estadístico para variables dicotómicas (proporciones) e intervalos de confianza.

T-test

Test estadístico para comparar las medias de dos grupos.

Análisis de la homogeneidad de varianza (homocedasticidad)

Formas de contrastar la igualdad de varianza entre dos o más grupos.

Análisis de normalidad

Métodos para contrastar la normalidad de una muestra de datos.