En esta matería vamos a estar viendo las herramientas básicas necesarias para encarar el análisis de datos en las distintas etapas de un proyecto de ML.
- Nahuel Pelli. Email: [email protected]
-
Clase 1: Introducción a la materia y a herramientas SW
-
Clase 2:Análisis básico de media, desvío estándar, oblicuidad (skewness, curtosis, cuantiles, IQR
-
Clase 3: Tipos de datos, características (features) e ingeniería de features. Tipos de variable de entrada y salida: continuas y categóricas (nominal y ordinal)
-
Clase 4: Codificación y normalización de datos. Tratamiento de datos faltantes.
-
Clase 5: Conceptos de Variables Aleatorias. Teoría de la información
-
Clase 6: Aplicación de test estadísticos univariados para ML. Ejemplos prácticos. Reducción de dimensionalidad. Normalización
-
Clase 7: Continuación clase 6. Reducción de dimensionalidad
-
Clase 8: Presentación de trabajos finales