Clasificación - Fundamentos y Aplicaciones Prácticas

Resumen

Los problemas de clasificación son uno de los escenarios más comunes que enfrentamos en ciencia de datos. Este curso te ayudará a entender y aplicar algoritmos comunes para hacer predicciones y guiar la toma de decisiones en los negocios.

Ya sea que aspiren a ser científicos de datos, estén estudiando analítica, o se centren en la inteligencia empresarial, este curso les proporcionará una visión completa de los problemas de clasificación, soluciones e interpretaciones. Desde la regresión logística hasta los modelos KNN y SVM, aprenderán a implementar técnicas en Excel y Python y cómo crear bucles para ejecutar modelos en paralelo.

Dado que la evaluación de modelos es tan importante, dedicaremos un capítulo entero a interpretar las salidas del modelo con métricas de evaluación y la matriz de confusión. Con esto, aprenderán sobre falsos negativos y falsos positivos, y considerarán los impactos que estos pueden tener en escenarios empresariales específicos.

Finalmente, les daremos una breve visión de técnicas de clasificación más avanzadas, como la importancia de las características, valores SHAP, y gráficos PDP. Al completar este curso, podrán:

• Distinguir entre técnicas de clasificación clásicas, incluyendo sus supuestos implícitos y casos prácticos de uso • Realizar cálculos de regresión logística simple en Excel y RegressIt • Crear modelos de clasificación básicos en Python utilizando los módulos statsmodels y sklearn • Evaluar e interpretar el desempeño de las salidas y parámetros del modelo de clasificación Ya sea que aspiren a ser científicos de datos, estén estudiando analítica, o se centren en la inteligencia empresarial, este curso de clasificación les servirá como una introducción completa a este fascinante tema.

Aprenderán toda la terminología clave para que puedan hablar de ciencia de datos con sus equipos, comenzar a implementar análisis y entender cómo la ciencia de datos puede ayudar a su negocio.

Programa de estudio

• Comenzando
Los problemas de clasificación son uno de los escenarios más comunes que enfrentamos en la ciencia de datos. Este curso nos ayudará a entender y aplicar algoritmos comunes para hacer predicciones y tomar decisiones en el ámbito empresarial. Desde la Regresión Logística hasta los modelos KNN y SVM, aprenderemos a implementar técnicas en Excel y Python y cómo crear bucles para ejecutar modelos en paralelo. Dado que la evaluación de modelos es tan importante, dedicaremos todo un capítulo a interpretar los resultados del modelo con métricas de evaluación y la matriz de confusión. Con esto, aprenderemos sobre falsos negativos y falsos positivos, y consideraremos los impactos que estos pueden tener en escenarios empresariales específicos. Finalmente, tendremos una breve visión de técnicas de clasificación más avanzadas, como la importancia de las características, los valores SHAP, y los gráficos PDP.
• Visión General de Clasificación
• Fundamentos de la Regresión Logística
• Algoritmos de Clasificación
• Evaluación de Modelos de Clasificación
• Conclusión del Curso
• Evaluación Calificada

Enseñado por

CFI (Corporate Finance Institute)

Asignaturas

Ciencia de Datos