Machine Learning & AI for the Working Analyst

En los últimos años la influencia de la inteligencia artificial en el sector industrial ha sido gigantesca. Este curso es una invitación al state of the art de estas aplicaciones enfocándonos en los casos de éxito que sean útiles para los analistas de datos, sin importar su área de trabajo.

Ofrecemos:
1. Enseñar un manejo de Python y R que permita resolver problemas utilizando imágenes, texto, bases estructuradas, series de tiempo e incluso cuando no existen suficientes datos.
2. Más de 15 algoritmos útiles para resolver la inmensa mayoría de las posibles tareas a las que se puede enfrentar un analista de datos.
3. Una explicación matemática detallada de cómo funcionan los algoritmos que le permitan a los estudiantes interpretar sus resultados así como distinguir las ventajas y retos en cada caso.
4. El planteamiento, los datos y la solución de 9 problemas reales que enfrentan las industrias: farmacéutica, turística, de telecomunicaciones, de recursos humanos, transportista, financiera, los portafolios de inversión, energética y legal.

Tres módulos
1. Problemas de clasificación e introducción a ML.
2. Aprendizaje no-supervisado y forecasting.
3. Inteligencia artificial y sus aplicaciones.

Estructura
– 12 semanas
• De martes a viernes
• Dos horas diarias (18:30-20:30)
A. Cada bloque incluye un documento en forma de notas de curso redactado cuidadosamente por el tutor. B. Los cursos son en vivo vía zoom y los estudiantes tienen acceso indefinido a los vídeos del curso. C. En el curso se utilizarán data sets y ejemplos reales. Los alumnos se quedarán con el código utilizado en clase para resolver los problemas.

Evaluación y proyectos
i) Cada semana se realizará un pequeño test para revisar el aprendizaje del estudiante.
ii) Al final cada bloque de tres cursos se realizará una evaluación que consiste en dos partes:
1. Un examen práctico donde el estudiante deberá aplicar sus habilidades para resolver otros problemas similares o adecuaciones de los mismos vistos en clase.
2. Un examen teórico que simula una entrevista laboral sobre el planteamiento del problema, la interpretación de los resultados y la descripción de los algoritmos.
iii) El curso incluye un acompañamiento por parte de los profesores en el desarrollo de proyectos que los estudiantes deseen desarrollar utilizando las técnicas aprendidas.

Casos de estudio
Este es el listado de los casos de estudio que analizaremos, todos los datos provienen de casos reales.
1. Clasificación de imágenes de tejidos cancerígenos.
2. Predicción del churn rate.
3. Análisis de sentimientos en reseñas hoteleras.
4. Agrupar millones encabezados de noticias.
5. Forecasting de rutas de transporte.
6. Forecasting de acciones de Microsoft y VaR.
7. Predicción de opciones financieras americanas.
8. Resúmenes de texto.

Tecnología
Listamos algunas de las herramientas tecnológicas que enseñaremos a utilizar en el curso.
• Python • R • Pandas • Numpy. • Apache • Keras. • Gym

Temas
1. La maldición de la dimensión y el sobre-ajuste.
2. La explicabilidad de un modelo.
3. Regularización.
4. Espacio Latente.
5. Outliers.
6. El riesgo.
7. Simulación Bayesiana.
8. Procesos con memoria y estructuras de los datos.

Temario
1. Invitación a redes neuronales: perceptrón.
2. Árboles de decisión y random forest.
3. Regresiones logísticas, Ridge y Lasso.
4. Latent Dirichlet Allocation.
5. Regresión Robusta y outliers.
6. ARMA, ARIMA y ARCH.
7. Simulación Monte-Carlo para cadenas de Markov.
8. Deep Learning para NLP (LSTM y Atención).
9. Aprendizaje por refuerzo (Q-Learning).

Tarifa en México
12 semanas MXN $ 21,800 + IVA

Tarifa internacional
12 semanas USD$ 1,090