Data Lab

Contenidos
1- Obtención y organización de datos. Procesamiento de datos no estructurados. Interacción con páginas web y con APIs. Formatos de datos.
2- Herramientas para la visualización de datos: distintos tipos de figuras y lineamientos generales para comunicar información basada en datos.
3- Visualización de datos como herramienta exploratoria antes del desarrollo de modelos y aprendizaje estadísticos. Análisis exploratorio de datos.
4- Introdución al modelado. Modelos predictivos versus modelos explicativos. Distinción entre modelos univariados y multivariados, y modelos paramétricos y no-paramétricos.
5- Herramientas de validación de un modelo. Muestras de testeo y entrenamiento.Métricas y métodos para la evaluación de algoritmos y modelos estadísticos.
6- Métodos de Clasificación: K-NN, árboles de decisión.
7- Técnicas de aprendizaje no supervisado: k-means, clustering jerárquico.

Bibliografía
Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. O’Reilly Media, Inc.