Introducción a la materia. Ciencia de datos. Tipos de preguntas. Introducción a R y RStudio | Charla Dátame.
25/8
Estadística descriptiva. Visualización. Gramática de gráficos.
1/9
Análisis exploratorio de datos y comunicación.
8/9
Transformación de datos: datos ordenados, vectores, data frames. Unión de data frames.
15/9
Programación en R: funciones, iteraciones | Charla Dátame.
22/9
Reproducibilidad computacional. Comunicación e informes con RMarkdown/Quarto.
Presentación TP1
29/9
Introducción al modelado. Modelos supervisados y no supervisados. Regresión vs. clasificación. Trade-off sesgo-varianza. Modelo de regresión lineal simple.
Consultas TP1
6/10
Regresión: regresión lineal múltiple y K-nearest neighbors.
Envío TP1 (límite: 5 de Oct, 23:59)
13/10
Feriado
20/10
Clasificación: Árboles de decisión y K-nearest neighbors | Charla Dátame.
Devolución TP1
27/10
Herramientas de validación de un
modelo. Métodos de resampleo. Muestras de testeo y entrenamiento.Métricas
Presentación TP2
3/11
Aprendizaje no supervisado. Métodos de clustering: K-means y clustering jerárquico.
Consultas TP2
10/11
Consultas.
Envío TP2 (límite: 9 de Nov, 23:59)
17/11
Parcial de 10 a 13hs en aula a confirmar | Charla Dátame.
24/11
Entrega de notas del parcial y TP2. Cierre
1/12
Recuperatorio del parcial, de 10 a 13hs en aula a confirmar.
Re-entrega de TPs.
8/12
Entrega de notas del recuperatorio y de los TPs. Cierre.