Aprendizaje automático y análisis predictivo con Python

Introducción al aprendizaje automático

• Tipos de aprendizaje automático: supervisado frente a no supervisado.
•  Del aprendizaje estadístico al aprendizaje automático.
• El flujo de trabajo del minería de datos: comprensión empresarial, preparación de datos, modelización y despliegue.
• Selección del algoritmo adecuado para la tarea.
• Sobreajuste (overfitting) y el equilibrio entre sesgo y varianza.

Visión general de Python y las bibliotecas de ML

• Por qué utilizar lenguajes de programación para el aprendizaje automático.
• Selección entre R y Python.
•  Curso intensivo de Python y cuadernos Jupyter (Jupyter Notebooks).
• Bibliotecas de Python: pandas, NumPy, scikit-learn, matplotlib, seaborn.

Pruebas y evaluación de algoritmos de ML

• Generalización, sobreajuste y validación del modelo.
• Estrategias de evaluación: prueba de retención (holdout), validación cruzada, bootstrapping.
• Métricas para la regresión: ME, MSE, RMSE, MAPE.
• Métricas para la clasificación: precisión, matriz de confusión y clases desbalanceadas.
• Visualización del rendimiento del modelo: curva de beneficios, curva ROC, curva de elevación (lift).
• Selección de modelos y búsqueda en cuadrícula (grid search) para la optimización.

Preparación de datos

• Importación y almacenamiento de datos en Python.
• Análisis exploratorio y estadísticas resumidas.
• Tratamiento de valores faltantes y valores atípicos.
• Estandarización, normalización y transformación.
• Recodificación de datos cualitativos y manipulación de datos con pandas.

Algoritmos de clasificación

• Clasificación binaria frente a multiclase.
• Regresión logística y funciones discriminantes.
• Bayes ingenuo, k-vecinos más cercanos (k-nearest neighbors).
•  Árboles de decisión: CART, Bosques aleatorios (Random Forests), Bagging, Boosting, XGBoost.
•  Máquinas de soporte vectorial (SVM) y kernels.
• Técnicas de aprendizaje por conjuntos (ensemble learning).

Regresión y predicción numérica

• Mínimos cuadrados y selección de variables.
• Métodos de regularización: L1, L2.
• Regresión polinómica y modelos no lineales.
• Árboles de regresión y splines (curvas segmentadas).

Redes neuronales

•  Introducción a las redes neuronales y al aprendizaje profundo (deep learning).
• Funciones de activación, capas y retropropagación.
• Perceptrones multicapa (MLP).
• Uso de TensorFlow o PyTorch para la modelización básica de redes neuronales.
• Redes neuronales para clasificación y regresión.

Predicción de ventas y análisis predictivo

• Pronósticos basados en series temporales frente a los basados en regresión.
• Tratamiento de datos con estacionalidad y tendencia.
• Construcción de un modelo de predicción de ventas mediante técnicas de aprendizaje automático.
• Evaluación de la precisión e incertidumbre del pronóstico.
• Interpretación empresarial y comunicación de los resultados.

Aprendizaje no supervisado

• Técnicas de agrupamiento: k-means, k-medoids, clustering jerárquico, mapas autoorganizados (SOM).
• Reducción de dimensionalidad: PCA, análisis factorial, SVD.
• Escalamiento multidimensional.

Minería de texto

• Preprocesamiento de texto y tokenización.
•  Modelo de bolsa de palabras (bag-of-words), extracción de raíces y lematización.
• Análisis de sentimientos y frecuencia de palabras.
• Visualización de datos textuales con nubes de palabras (word clouds).

Sistemas de recomendación

• Filtrado colaborativo basado en usuarios y basado en elementos.
• Diseño y evaluación de motores de recomendación.

Minería de patrones de asociación

• Conjuntos frecuentes y algoritmo Apriori.
•  Análisis del mercado del carrito (market basket) y ratio de elevación (lift).

Detección de valores atípicos

• Análisis de valores extremos.
• Métodos basados en distancia y densidad.
• Detección de valores atípicos en datos de alta dimensionalidad.

Caso de estudio de aprendizaje automático

• Comprensión del problema empresarial.
• Preprocesamiento de datos e ingeniería de características.
• Selección de modelos y ajuste de parámetros.
• Evaluación y presentación de los resultados.
• Despliegue.

Resumen y próximos pasos