Para sentar las bases de lo que luego se llamará «Aprendizaje Profundo» y veremos al final del curso, terminamos el tema abordando las redes neuronales artificiales. Perceptrón Las redes neuronales artificiales (ANN, Artificial Neural Networks) se inspiran en cierto modo en las redes neuronales naturales, las biológicas que se encuentran en nuestro cerebro y en […]
Un buen científico de datos no se conforma con los modelos más básicos sino que trata de diagnosticar posibles fallos, exprimir el rendimiento de dichos modelos a tope y, si hace falta, combinar varios modelos para crear sistemas altamente precisos. Diagnóstico de modelos Una vez vistos temas de regresión lineal y demás… hay que saber […]
Como en la práctica la realidad no suele tener la forma de una recta perfecta, aquí empezamos a introducir herramientas que permiten capturar «fronteras de decisión» curvadas, discontinuas y complejas. Árboles de decisión Una vez vista la regresión lineal y logística, se puede hablar de árboles de decisión, por ejemplo de los algoritmos que funcionan […]
En esta lección seguimos trabajando en la base teórica y matemática indispensable para realizar aprendizaje supervisado, algoritmos transparentes y rápidos para entender la geometría del espacio de características. Una vez vistos los conceptos fundamentales en Aprendizaje Supervisado se pasa a la regresión, primero lineal (con una variable) y luego multivariable (hablando de regularización). Tras la […]
Cuando pasamos de manipular datos a empezar a construir modelos hay que hablar de dos conceptos clave en los modelos predictivos: la regresión y la clasificación. El aprendizaje supervisado comprende una gran variedad de aplicaciones, desde el reconocimiento de imágenes hasta la predicción de valoraciones en bolsa o la traducción automática. Sin embargo, desde un […]
En esta lección conocemos las metodologías estándar para construir proyectos de Minería de Datos. Los procesos de Minería de Datos nunca son lineales: los hallazgos en la fase de modelado o de evaluación suelen obligar a redefinir el problema y quizá volver al preprocesado de datos. Aún así existen metodologías estándar que explican el ciclo […]
Lo primero siempre es tener datos en gran cantidad, pero luego es necesario cierto trabajo para poder «comprenderlos» y eso implicar realizar ciertos análisis y poder visualizarlos de alguna manera. El análisis exploratorio de datos (EDA, Exploratory Data Analysis) tiene como objetivo entender «la forma» de los datos antes de hacer cualquier procesamiento con ellos. […]
En esta lección se asume que contamos ya con datos correctos (hasta cierto punto) y ahora la tarea consiste es prepararlos para que los algoritmos puedan trabajar con ellos. Seguramente la lección más interesante de cara a los futuros temas es esta sobre preprocesado o preprocesamiento de datos. Ya ha aparecido cuestiones importantes como el […]
Esta lección es importante porque la Minería de Datos podría ser de por sí una asignatura entera. En esta lección no se trata sólo de obtener los datos, sino de poder garantizar su máxima fiabilidad, su máxima calidad, esto es: que representen la realidad de la forma más fidedigna posible. Aunque lo contemos en detalle […]
El Análisis de Datos es un campo que en los últimos 15-20 años se ha desarrollado muchísimo gracias a la Informática, siendo muchos de los modelos y algoritmos utilizados de muy reciente creación. Esta lección es importante porque con datos y modelos trabajaremos durante todo el curso. Todo lo que estudiaremos en este curso se […]