{"id":9077,"date":"2023-08-15T15:32:27","date_gmt":"2023-08-15T15:32:27","guid":{"rendered":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/?p=9077"},"modified":"2025-02-20T17:54:04","modified_gmt":"2025-02-20T17:54:04","slug":"introduccion-al-aprendizaje-estadistico","status":"publish","type":"post","link":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/introduccion-al-aprendizaje-estadistico\/","title":{"rendered":"Introducci\u00f3n al Aprendizaje Estad\u00edstico"},"content":{"rendered":"<p>[vc_row disable_element=\u00bbyes\u00bb u_row_style=\u00bb0&#8243; u_row_paralax=\u00bb0&#8243; u_row_scheme=\u00bb0&#8243;][vc_column][vc_single_image image=\u00bb7632&#8243; img_size=\u00bbfull\u00bb][\/vc_column][\/vc_row][vc_row][vc_column][vc_separator][vc_column_text]<span style=\"color: #e42313;\"><b>Docente responsable: <\/b><\/span>Forzani Liliana<\/p>\n<p><span style=\"color: #e42313;\"><b>Carga horaria:<\/b><\/span> 90 h<\/p>\n<p><span style=\"color: #e42313;\"><b>Carreras para la cual es optativa: <\/b><\/span>Ingenier\u00eda Qu\u00edmica, Ingenier\u00eda en Alimentos, Ingenier\u00eda Industrial, Ingenier\u00eda en Materiales, Licenciatura en Materiales, Licenciatura en Matem\u00e1tica Aplicada.<\/p>\n<p><span style=\"color: #e42313;\"><b>Cuatrimestre en el que se brinda: <\/b><\/span><span style=\"font-weight: 400;\">Segundo cuatrimestre<\/span><\/p>\n<p><span style=\"color: #e42313;\"><b>Plantel docente: <\/b><\/span>Liliana Forzani, Andrea Bergesio, Rodrigo Garc\u00eda Arancibia, Antonella Gieco, Stefan\u00eda D&#8217;Iorio, Ignacio Germ\u00e1n Girela y Daniela Agostina Gonz\u00e1lez.<\/p>\n<p><strong><span style=\"color: #e42313;\">Correlatividades necesarias para el cursado:<\/span><\/strong><\/p>\n<p><strong>Licenciatura en Matem\u00e1tica Aplicada<\/strong><\/p>\n<ul>\n<li>Plan 1999: Estad\u00edstica, aprobada. Programaci\u00f3n, aprobada. \u00c1lgebra Lineal I, aprobada.<\/li>\n<li>Plan 2018: Introducci\u00f3n a la Probabilidad y Estad\u00edstica, aprobada. Programaci\u00f3n, aprobada. \u00c1lgebra Lineal, aprobada.<\/li>\n<\/ul>\n<p><strong>Ingenier\u00eda Industrial<\/strong><\/p>\n<ul>\n<li>Administraci\u00f3n de Operaciones, regularizada. Probabilidad y Estad\u00edstica, aprobada. Matem\u00e1tica C, aprobada. Computaci\u00f3n, aprobada.<\/li>\n<\/ul>\n<p><strong>Ingenier\u00eda Qu\u00edmica, Ingenier\u00eda en Alimentos, Ingenier\u00eda en Materiales y Licenciatura en Materiales:<\/strong><\/p>\n<ul>\n<li>Probabilidad y Estad\u00edstica, aprobada. Matem\u00e1tica C, aprobada. Inform\u00e1tica, aprobada. Matem\u00e1tica D, regularizada.<\/li>\n<\/ul>\n<p>[\/vc_column_text][vc_empty_space height=\u00bb40&#8243;][vc_column_text]<b>Objetivos generales\u00a0<\/b><\/p>\n<p>La disponibilidad de datos en cantidades masivas es una caracter\u00edstica frecuente en aplicaciones actuales de ciencias cuantitativas. El aprendizaje estad\u00edstico provee un conjunto de m\u00e9todos y algoritmos para ayudar a la comprensi\u00f3n de grandes conjuntos de datos.<br \/>\nEn tal direcci\u00f3n, el curso tiene como objetivo introducir al estudiante a las principales herramientas de aprendizaje estad\u00edstico, destinadas a extraer estructuras e informaci\u00f3n subyacente en grandes vol\u00famenes de datos y a construir modelos predictivos escalables. Se pretende que, al finalizar y aprobar el curso, el alumno adquiera una formaci\u00f3n integradora de los m\u00e9todos abordados, comprendiendo sus fundamentos estad\u00edsticos y propiedades te\u00f3ricas, como as\u00ed tambi\u00e9n algoritmos eficientes para su uso en la soluci\u00f3n de problemas concretos.<\/p>\n<p><b>Temas principales\u00a0<\/b><\/p>\n<ol>\n<li>Modelos lineales en regresi\u00f3n. Regresi\u00f3n lineal m\u00faltiple.<\/li>\n<li>Validaci\u00f3n cruzada y m\u00e9todos de remuestreo para selecci\u00f3n y validaci\u00f3n de modelos.<\/li>\n<li>Modelos lineales en clasificaci\u00f3n. Regresi\u00f3n log\u00edstica. An\u00e1lisis discriminante lineal y cuadr\u00e1tico. Curvas ROC.<\/li>\n<li>Modelos lineales en alta dimensi\u00f3n. Selecci\u00f3n por pasos vs regularizaci\u00f3n. Regresi\u00f3n ridge. Lasso y lasso por grupos. Reducci\u00f3n de dimensiones: regresi\u00f3n parcial y correlaciones can\u00f3nicas. An\u00e1lisis de componentes principales (PCA).<\/li>\n<li>M\u00e9todos basados en \u00e1rboles. \u00c1rboles de regresi\u00f3n y de clasificaci\u00f3n. Bagging, boosting y random forests.<\/li>\n<li>M\u00e1quinas de vectores soporte para clasificaci\u00f3n y regresi\u00f3n.<\/li>\n<li>Aprendizaje no supervisado: clustering.<\/li>\n<li>Aprendizaje profundo: Redes neuronales.<\/li>\n<\/ol>\n<p><b>Tipo de clases a realizar durante el cursado<\/b><\/p>\n<ul>\n<li>Te\u00f3rico \u2013 Pr\u00e1cticas: 58 h<\/li>\n<li>Presentaci\u00f3n de problemas: 28 h<\/li>\n<li>Evaluaci\u00f3n: 4 h<\/li>\n<\/ul>\n<p>[\/vc_column_text][\/vc_column][\/vc_row][vc_row disable_element=\u00bbyes\u00bb u_row_style=\u00bb0&#8243; u_row_paralax=\u00bb0&#8243; u_row_scheme=\u00bb0&#8243;][vc_column width=\u00bb2\/3&#8243;][vc_empty_space height=\u00bb20px\u00bb][vc_single_image image=\u00bb7454&#8243; img_size=\u00bbfull\u00bb alignment=\u00bbcenter\u00bb][vc_custom_heading text=\u00bbpie de foto\u00bb font_container=\u00bbtag:h4|font_size:15|text_align:left|color:%23000000&#8243; google_fonts=\u00bbfont_family:Lato%3A100%2C100italic%2C300%2C300italic%2Cregular%2Citalic%2C700%2C700italic%2C900%2C900italic|font_style:400%20regular%3A400%3Anormal\u00bb][vc_empty_space height=\u00bb20px\u00bb][\/vc_column][\/vc_row][vc_row disable_element=\u00bbyes\u00bb u_row_style=\u00bb0&#8243; u_row_paralax=\u00bb0&#8243; u_row_scheme=\u00bb0&#8243;][vc_column][vc_empty_space height=\u00bb20px\u00bb][vc_btn title=\u00bbDescargar planificaci\u00f3n\u00bb style=\u00bboutline-custom\u00bb outline_custom_color=\u00bb#e32213&#8243; outline_custom_hover_background=\u00bb#ffffff\u00bb outline_custom_hover_text=\u00bb#3c05cc\u00bb shape=\u00bbsquare\u00bb size=\u00bblg\u00bb align=\u00bbleft\u00bb link=\u00bb|||\u00bb][vc_empty_space height=\u00bb20px\u00bb][\/vc_column][\/vc_row][vc_row][vc_column][vc_empty_space][\/vc_column][\/vc_row]<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Docente: Forzani Liliana<br \/>\nCarreras para la cual es optativa: IQ, IA, II, IM, LM, LMA<br \/>\nCuatrimestre en el que se brinda: Segundo<\/p>\n","protected":false},"author":3,"featured_media":9084,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"video","meta":[],"categories":[1],"tags":[],"_links":{"self":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts\/9077"}],"collection":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/comments?post=9077"}],"version-history":[{"count":5,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts\/9077\/revisions"}],"predecessor-version":[{"id":9099,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/posts\/9077\/revisions\/9099"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/media\/9084"}],"wp:attachment":[{"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/media?parent=9077"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/categories?post=9077"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fiq.unl.edu.ar\/vivilafiq\/wp-json\/wp\/v2\/tags?post=9077"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}