0.0 Introducción

0.1 Álgebra Lineal

0.2 Cálculo

0.3 Estadística Descriptiva

0.4 Estadística Inferencial

0.5 Caso Práctico

1. Tratamiento de datos en R

1.0 Introducción

1.1 Introducción a R

1.2 Estructuras de Datos en R

1.3 Manipulación de dataframes

1.4 Limpieza y transformación de datos

1.5 Relación entre variables

1.6 Visualización

1.7 Caso Práctico

2. Conceptos de Machine Learning

2.0 Introducción

2.1 Conceptos generales de Machine Learning

2.2 Técnicas de Machine Learning

2.3 Entrenamiento y evaluación de modelos

2.4 Conceptos de overfitting y underfitting

2.5 Métricas de desempeño de modelos

2.6 Caso Práctico

3. Aprendizaje supervisado

3.0 Introducción

3.1 Regresión Lineal

3.2 Regresión Logística

3.3 Redes neuronales

3.3.1 Redes Neuronales (Parte I)

3.3.2 Redes Neuronales (Parte II)

3.4 Árboles de Decisión

3.5 Random Forest y Gradient Boosting

3.6 Importancia de Variables

3.7 Caso Práctico

4. Aprendizaje no supervisado

4.0 Introducción

4.1 Algoritmos de agrupación

5. Deep Learning

5.1 Redes Neuronales Convolucionales (Teoría)

5.2 Redes Neuronales Convolucionales (Práctica)

5.3 Caso Práctico Módulo 5