Optimización presupuesto campañas marketing
Ejemplo de cómo optimizar el presupuesto de las campañas de marketing para maximizar su impacto.
Predicción (forecasting) de la demanda eléctrica con Python
Ejemplo de cómo predecir la demanda de energía eléctrica mediante modelos de forecasting con Python.
Correlación lineal con Python
Teoría y ejemplos de correlación lineal con Python. Coeficiente de correlación de Pearson, Spearman, Kendall, correlación parcial y matriz de correlaciones.
Multi-armed bandit para la elección del landing page
Ejemplo de cómo utilizar Multi-armed bandit como estrategia A/B testing para elegir entre varias versiones de una página web.
Forecasting series temporales con Python y Scikitlearn
Adaptación de modelos de regresión de scikit learn para predicción de series temporales.
Bootstrapping, contraste de hipótesis e intervalos de confianza con Python
Bootstrapping como método no paramétrico para comparar estadísticos y crear intervalos de confianza con Python.
Gradient Boosting probabilístico con python
Tutorial sobre cómo crear modelos Natural Gradient Boosting (NGBoost) con Python que permiten generar predicciones probabilísticas.
Test de permutación para el contraste de hipótesis con Python
Permutaciones y simulación de Monte Carlo para comparar medias, varianzas u otros estadísticos.
Ajuste de distribuciones no paramétricas con kernel density estimation KDE y Python
Método para encontrar la distribución no paramétrica que mejor se ajusta a los datos.
Ajuste y selección de distribuciones con Python
Métodos para encontrar la distribución que mejor se ajusta a los datos.
Máquinas de Vector Soporte (SVM) con Python
Teoría y ejemplos sobre cómo crear modelos de máquina vector soporte, support vector machine (SVM) con python
Análisis de texto (text mining) con Python
Ejemplo de cómo aplicar text mining y análisis de sentimientos a datos de Twitter con python
Detección de anomalías con Gaussian Mixture Models
Teoría y ejemplos de cómo detectar anomalías (outliers) con Gaussian Mixture Models y Python
Detección de anomalías con Isolation Forest
Teoría y ejemplos de cómo detectar anomalías (outliers) con Isolation Forest y Python
Detección de anomalías con PCA
Teoría y ejemplos de cómo detectar anomalías (outliers) con análisis de componentes principales PCA y Python
Clustering con Python
Tutorial con teoría y ejemplos de los algoritmos clustering Kmeans, hierarchical clustering, DBSCAN y gaussian mixture models con python
Análisis de componentes principales con Python
Teoría y ejemplos sobre cómo aplicar análisis de componentes principales con Python
Regresión logística con Python
Teoría y ejemplos sobre modelos de regresión logística con Python (Scikit-learn y Statsmodels)
Gráficos ICE y PDP para interpretar modelos predictivos en python
Tutorial con teoría y ejemplos de cómo interpretar modelos de machine learning con gráficos Individual Conditional Expectation (ICE) y Partial Dependence (PDP) en Python
Regresión cuantílica: intervalos de predicción con Random Forest Python
Teoría y ejemplos prácticos de cómo calcular intervalos de predicción con Random Forest en python.
Regularización Ridge, Lasso y Elastic Net con Python
Tutorial sobre cómo aplicar regularización Ridge, Lasso y Elastic Net a modelos lineales con Python y Scikit-learn
Calibrar modelos de machine learning
Tutorial sobre cómo calibrar las probabilidades de un modelo de machine learning con Python y Scikit-learn
Gradient Boosting con Python
Tutorial sobre cómo crear modelos Gradient Boosting con Python y Scikit-learn
Random Forest con Python
Tutorial sobre cómo crear modelos Random Forest con Python y Scikit-learn
Árboles de decisión con Python: regresión y clasificación
Tutorial sobre modelos cómo crear de modelos de árboles con Python y Scikit-learn
Machine learning con Python y Scikitlearn
Tutorial sobre cómo crear de modelos de machine learning con Python y Scikit-learn
Regresión lineal con Python
Teoría y ejemplos sobre modelos de regresión lineal con Python (Scikit-learn y Statsmodels)
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 decisión, Random Forest, Gradient Boosting y C5.0
Tutorial sobre modelos Random Forest, Gradient Boosting 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.