cienciadedatos.net es una web de divulgación con material formativo sobre estadística, algoritmos de machine learning, ciencia de datos y programación en R y Python.
Tutorial sobre cómo calibrar las probabilidades de un modelo de machine learning con Python y Scikit-learn
Tutorial sobre cómo crear modelos Gradient Boosting con Python y Scikit-learn
Tutorial sobre cómo crear modelos Random Forest con Python y Scikit-learn
Tutorial sobre modelos cómo crear de modelos de árboles con Python y Scikit-learn
Tutorial sobre cómo crear de modelos de machine learning con Python y Scikit-learn
Teoría y ejemplos sobre modelos de regresión lineal con Python (Scikit-learn y Statsmodels)
Implementación y uso del algoritmo ALSO para la detección de anomalías
Descripción y ejemplo de cómo predecir cuantiles con modelos GAMLSS
Introducción práctica a los modelos GAMLSS (modelos aditivos generalizados para posición, escala y forma)
Ejemplo práctico de cómo encontrar los mejores hiperparámetros de un modelo predictivo mediante optimización bayesiana
Tutorial sobre cómo crear de modelos de machine learning con mlr3
Tutorial sobre cómo crear de modelos de machine learning con tidymodels
Ejemplo de cómo crear mapas en R
Ejemplo de cómo crear gift animados con R
Descripción y ejemplo de cómo predecir cuantiles con gradient boosting
Ejemplo práctico de cómo entrenar modelos de machine learning con la librería H2O y de cómo compararlos e interpretarlos con Dalex e IML.
Descripción y ejemplos de cómo ajustar distribuciones probabilísticas con R
Descripción y ejemplo de cómo predecir probabilidades con Distributional Regression Forest.
Descripción y ejemplo de cómo predecir cuantiles con Quantile Regression Forest.
Ejemplo de cómo utilizar Isolation Forest para la detección de anomalías.
Detección de anomalías con el método de clustering robusto trimmed k-means.
Ejemplos de cómo detectar anomalías con Autoencoders y PCA empleando el error de reconstrucción.
Ejemplo de cómo identificar diferencias entre dos distribuciones mediante el test de Kolmogorov–Smirnov y otros estadísticos.
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.
Implementación de un algoritmo genético para la selección de variables predictoras en Python.
Implementación de un algoritmo de optimización Particle Swarm Optimization (PSO) en Python.
Implementación de un algoritmo de optimización Particle Swarm Optimization (PSO) en R.
Implementación de un algoritmo genético para optimización en Python.
Implementación de un algoritmo genético para optimización en R.
Creación de gráficos Individual Conditional Expectation (ICE) para interpretar modelos predictivos black box.
Implementación de un algoritmo genético para la selección de variables predictoras en R.
Ejemplo de cómo analizar ensayos celulares para la identificación de biomarcadores.
Tutorial sobre cómo crear modelos de machine learning con H2O y R.
Tutorial sobre cómo crear modelos de machine learning con H2O y Python.
Apuntes sobre reglas de asociación, el algoritmo Apriori y de cómo ejecutarlos con R.
Ejemplo de clasificación de tumores empleando los niveles de expresión de genes y machine learning.
Tutorial sobre la creación de modelos de machine learning y data mining con caret.
Ajuste de modelos de regresión Tobit para datos censurados en R.
Tutorial sobre sistemas de recomendación y su implementación en lenguaje R.
Ejemplo práctico de análisis de texto empleando datos de Twitter y lenguaje R.
Apuntes sobre métodos de clustering y representación gráfica de dendogramas y heatmaps con R.
Apuntes sobre regresión de cuantiles, comparación de medianas y su aplicación en R.
Apuntes sobre reducción de dimensionalidad con los métodos PCA y t-SNE, y su aplicación con R.
Apuntes sobre Máquinas de Vector Soporte (Support Vector Machines, SVM) y su aplicación con R.
Implementación del algoritmo perceptrón simple con R.
Tutorial sobre modelos Random Forest, Gradient Boosting y cómo crearlos con R.
Métodos de regresión no lineal y su aplicación en R.
Estrategias para seleccionar predictores en R.
Métodos y estrategias para evaluar modelos predictivos.
Modelos de clasificación con Análisis discriminante lineal y Análisis discriminante cuadrático con R.
Creación de modelos de clasificación mediante regresión logística con R.
Tutorial sobre modelos de regresión lineal múltiple.
Apuntes sobre distintos métodos de correlación lineal y regresión lineal simple con lenguaje de programación R.
Múltiples test estadísticos: inflación del error, corrección de p-value y FDR.
Información sobre las diferentes técnicas de resampling y su aplicación como test estadísticos.
Apuntes sobre test estadísticos para variables cualitativas en R (parte 2).
Apuntes sobre test estadísticos para variables cualitativas en R (parte 1).
Test de Friedman como alternativa no paramétrica al ANOVA de datos dependientes.
Test de Kruskal-Wallis como alternativa no paramétrica al ANOVA de datos independientes.
Apuntes de cómo realizar los distintos tipos de ANOVA en R para comparar múltiples medias.
Test de rangos de Wilcoxon como alternativa no paramétrica al t-test de medias dependientes.
Alternativa no paramétrica al t-test de medias independientes.
Test estadístico para variables dicotómicas (proporciones) e intervalos de confianza.
Test estadístico para comparar las medias de dos grupos.
Formas de contrastar la igualdad de varianza entre dos o más grupos.
Métodos para contrastar la normalidad de una muestra de datos.