1.Historia y conceptos generales (introductorios): ¿Desde dónde se nació la necesidad de analizar datos para la toma de decisiones Recorrida por los distintos conceptos: Inteligencia Artificial, Ciencia de Datos, Minería de Datos, Algoritmo - Noción de "algoritmo" como sinónimo de "código inteligente", Big Data, Business Intelligence y niveles de decisiones.
2.Hands-On: Desarrollando un proyecto de Data Science:
Introducción:
•El dataset: importando los datos y armando el input
•Definiendo el objetivo: tipos de datos, metadata y target
•Preprocesamiento, limpieza, análisis previo de datos.
Nudo
•Los algoritmos: Árboles de decisión, Regresión Logística, RandomForest
•Evaluar el modelo: cross-validation, matriz de confusión, curvas ROC
Desenlace
•Del modelo a la realidad: hacer predicciones.
•Training, validation, test data
•Utilizar el modelo
Epílogo
•Describiendo los datos: Distancias y Clustering
•Ideas sobre implementación.
