top of page
JOSÉ RUETTE
Statistician

Temario
Diplomado de Modelado Predictivo y Machine Learning
Hamdi Raissi
José Ruette
​
Temas Básicos
-
Estadística descriptiva para exploración previa de datos
-
Estadística inferencial
-
Test de Hipótesis
-
Análisis de asociación de variables
-
-
Series de tiempo
-
Introducción de las series de tiempo
-
Suavizado exponencial
-
Temas Avanzados
Modelos predictivos aplicados durante el dictado de clases
-
Regresión Lineal Múltiple
-
Regresión Logística
-
Arboles de decisión
-
Redes Neurales
-
Vectores auto soportados
​
Machine Learning
Regresión linealArboles de decisiónRegresión logísticaRedes neuralesVectores auto soportados
Series de Tiempo ARIMA VARGARH
Pasos para el modelado predictivo aplicado a los modelos propuestos
-
Entendiendo los modelos predictivos
-
Objetivo de los modelos predictivos
-
Elementos de los modelos predictivos
-
Pasos básicos para modelar
-
Aplicaciones de los modelos predictivos
-
Demostración de los modelos predictivos en marketing
-
Demostración de los modelos predictivos en banca
-
-
Retos de los modelos predictivos
-
Retos de los modelos predictivos con la data
-
Retos en términos de análisis
-
Muestreo en los modelos predictivos
-
Tratamiento del sesgo en los modelos
-
-
Ajuste de los modelos predictivos
-
Entendiendo el sobre muestreo
-
Ajustando el sesgo de la muestra en los modelos
-
-
Preparando la data para el modelado
-
Las razones de porque se producen datos faltantes o errada
-
Estudio de un caso completo de ajuste de los datos faltantes
-
Métodos de imputación de datos
-
Imputación de datos categóricos
-
Problemas causados por la imputación de datos categóricos
-
Solucionando los problemas de imputación de datos categóricos
-
Colapsando categorías
-
Colapsando con umbrales
-
Utilizando Greenacres
-
Utilizando el peso de la evidencia
-
-
Imputación de datos no categóricos
-
-
-
Reduciendo el problema dimensional de las variables
-
El problema de la redundancia
-
Conglomeración de variables
-
Entendiendo componentes principales
-
Conglomeración de variables por métodos divisivos
-
Seleccionando una variable representativa de cada conglomerado de variables
-
-
-
Revisando la interacción de las variables
-
Visualizando relaciones no lineales
-
Suavizando variables
-
Estimación Nadaraya Watson
-
Distribuciones no paramétricas
-
-
Remediación de relaciones no lineales
-
-
Midiendo el ajuste del modelo
-
El ajuste versus la complejidad
-
Métricas de evaluación de modelos
-
Métricas de clasificación
-
Métricas de ranking
-
-
Validación cruzada y muestras de validación posterior
-
Bootstraping
-
-
Modelos de pronostico temporal
-
Modelos SARIMA
-
Modelos GARCH y evaluación de la VaR y expected shortfall
-
bottom of page