Bibliografía
Libros y recursos sobre ciencia de datos, machine learning y estadística con R
Correlación lineal y regresión lineal simple en R
Apuntes sobre distintos métodos de correlación lineal y regresión lineal simple con lenguaje de programación R.
Regresión Lineal Múltiple en R
Tutorial sobre modelos de regresión lineal múltiple.
Ejemplo práctico de regresión lineal simple, múltiple, polinomial e interacción entre predictores
Tobit Regression: modelos lineales para datos censurados
Ajuste de modelos de regresión Tobit para datos censurados en R.
Regresión logística en R
Creación de modelos de clasificación mediante regresión logística con R.
Análisis discriminante lineal (LDA) y Análisis discriminante cuadrático (QDA)
Modelos de clasificación con Análisis discriminante lineal y Análisis discriminante cuadrático con R.
Validación de modelos: Cross-validation, OneLeaveOut, Bootstrap
Métodos y estrategias para evaluar modelos predictivos.
Selección de predictores: subset selection, ridge, lasso y reducción de dimensionalidad
Estrategias para seleccionar predictores en R.
Regresión no lineal: Regresión Polinómica, Splines, Smooth Splines y GAMs
Métodos de regresión no lineal y su aplicación en R.
Introducción a los modelos GAMLSS
Introducción práctica a los modelos GAMLSS (modelos aditivos generalizados para posición, escala y forma)
Árboles de decisión, Random Forest, Gradient Boosting y C5.0
Tutorial sobre modelos Random Forest, Gradient Boosting y cómo crearlos con R.
Algoritmo Perceptrón
Implementación del algoritmo perceptrón simple con R.
SVM Máquinas de Vector Soporte (Support Vector Machines)
Apuntes sobre Máquinas de Vector Soporte (Support Vector Machines, SVM) y su aplicación con R.
Redes neuronales con R
Teoría y ejemplos sobre cómo crear modelos de redes neuronales con R
Análisis de Componentes Principales (Principal Component Analysis, PCA) y t-SNE
Apuntes sobre reducción de dimensionalidad con los métodos PCA y t-SNE, y su aplicación con R.
Clustering y heatmaps: aprendizaje no supervisado con R
Apuntes sobre métodos de clustering y representación gráfica de dendogramas y heatmaps con R.
Machine Learning con R y caret
Tutorial sobre la creación de modelos de machine learning y data mining con caret.
Machine learning con R y tidymodels
Tutorial sobre cómo crear de modelos de machine learning con tidymodels
Machine learning con R y mlr3
Tutorial sobre cómo crear de modelos de machine learning con mlr3
Machine Learning con H2O y R
Tutorial sobre cómo crear modelos de machine learning con H2O y R.
Gráficos ICE para interpretar modelos predictivos
Creación de gráficos Individual Conditional Expectation (ICE) para interpretar modelos predictivos black box.
H2O, IML y DALEX
Ejemplo práctico de cómo entrenar modelos de machine learning con la librería H2O y de cómo compararlos e interpretarlos con Dalex e IML.
Optimización bayesiana de hiperparámetros
Ejemplo práctico de cómo encontrar los mejores hiperparámetros de un modelo predictivo mediante optimización bayesiana
Algoritmo genético para la selección de predictores
Implementación de un algoritmo genético para la selección de variables predictoras en R.
Optimización con algoritmo genético (GA)
Implementación de un algoritmo genético para optimización en R.
Optimización con enjambre de partículas (Particle Swarm Optimization)
Implementación de un algoritmo de optimización Particle Swarm Optimization (PSO) en R.
Reglas de asociación y algoritmo Apriori con R
Apuntes sobre reglas de asociación, el algoritmo Apriori y de cómo ejecutarlos con R.
Sistemas de recomendación con R
Tutorial sobre sistemas de recomendación y su implementación en lenguaje R.
Text mining con R: ejemplo práctico Twitter
Ejemplo práctico de análisis de texto empleando datos de Twitter y lenguaje R.
Detección de anomalías con Autoencoders y PCA
Ejemplos de cómo detectar anomalías con Autoencoders y PCA empleando el error de reconstrucción.
Detección de anomalías con Isolation Forest
Ejemplo de cómo utilizar Isolation Forest para la detección de anomalías.
Detección de anomalías con trimmed k-means
Detección de anomalías con el método de clustering robusto trimmed k-means.
Detección de anomalías: Attribute wise learning for scoring outliers (ALSO)
Implementación y uso del algoritmo ALSO para la detección de anomalías
Regresión cuantílica (Quantile Regression) con R
Apuntes sobre regresión de cuantiles, comparación de medianas y su aplicación en R.
Regresión cuantílica: modelos GAMLSS
Descripción y ejemplo de cómo predecir cuantiles con modelos GAMLSS
Regresión cuantílica: Quantile Regression Forest
Descripción y ejemplo de cómo predecir cuantiles con Quantile Regression Forest.
Distributional Regression Forest: Random Forest probabilístico
Descripción y ejemplo de cómo predecir probabilidades con Distributional Regression Forest.
Regresión cuantílica: Gradient Boosting Quantile Regression
Descripción y ejemplo de cómo predecir cuantiles con gradient boosting