Introducción al Machine Learning

Facilitador: José Antonio Pellerano, PhD
Economista de investigación y consultor.
Con más de 15 años de experiencia como econometrista aplicado, ha participado en diversos proyectos de consultoría e investigación, incluyendo colaboraciones con Nestlé Dominicana, Banco Mundial, Banco Interamericano de Desarrollo, la Empresa Eléctrica de Quito, la Dirección General de Impuestos Internos, la Vicepresidencia de la República, el Ayuntamiento del Distrito Nacional, el Sistema Único de Beneficiarios, Analítica, entre otros. También ha impartido docencia a nivel de grado en los Estados Unidos y a nivel de posgrado en la República Dominicana. Obtuvo su doctorado en Economía de la Universidad de Texas A&M, una maestría en Economía de la Pontificia Universidad Católica de Chile y una licenciatura en Economía de la Pontificia Universidad Católica Madre y Maestra. Sus investigaciones y consultorías más recientes se concentran en la aplicación de métodos experimentales y cuasi experimentales con el objetivo principal de fomentar la toma de decisiones basada en la evidencia, tanto a nivel público como privado. Asimismo, también ha desarrollado diferentes iniciativas de Data Science para promover la capacitación y explotación de datos en el país en un sentido amplio.

Temarios

1. INTRODUCCIÓN AL MACHINE LEARNING 
   1. Machine Learning, inteligencia artificial y Ciencia de Datos
   2. Conceptos básicos de Machine Learning 
   3. Ejemplo práctico

2. INTRODUCCIÓN A “R”
   1. Manejo y descripción de datos 
   2. Visualización de datos 
   3. Códigos con ejemplos

3. MODELACIÓN ESTADÍSTICA
   1. Modelo logístico 
   2. Modelos de machine learning
   3. Conceptos importantes
   4. Cross Validation 
   5. Tuning
   6. Overfitting
4. Métricas de desempeño de modelos

5. Aplicaciones:
   1. Modelo de originación de crédito
   2. Modelo de comportamiento crediticio (Behavioral Scoring)