Modelización analítica supervisada y no supervisada

Se trata de que el alumno adquiera los conocimientos suficientes para la aplicación adecuada de un conjunto de herramientas estadísticas para el análisis de datos además de adquirir los conocimientos teóricos que las sustentan. Los objetivos de estas técnicas son entre otros: 

(1) modelización de series temporales

(2) resumir los conjuntos de datos con múltiples variables mediante un conjunto reducido de nuevas variables, con la mínima perdida de información 

(3) analizar las relaciones entre variables o entre individuos de un conjunto de datos, para formar grupos de clasificación con características similares 

(4) explicar posibles interrelaciones entre diferentes variables de interés asociadas al experimento en estudio

(5) ajustar modelos para la clasificación/predicción de nuevas observaciones 

 Asimismo, se pretende que los estudiantes aprendan a aplicar e interpretar estas técnicas con varios lenguajes de programación: SAS/ R / PYTHON

TEMA 2. Modelización de series temporales

TEMA 3. Metodología de modelización analítica: análisis descriptivo, técnicas de muestreo, procesamiento de datos (imputación de missings y tratamiento de outliers), métricas de validación de resultados

TEMA 4. Modelización no supervisada: Análisis de Componentes Principales, Análisis de Correspondencias, Análisis de Conglomerados (Clustering)

TEMA 5. Modelización supervisada: Análisis Discriminante, Métodos Avanzados de Regresión, Árboles de Decisión, Redes Neuronales, Ensamblaje de Modelos: (bagging, random forest, boosting, stacking)