Este curso avanzado explora el desarrollo e implementación de modelos supervisados y métodos no supervisados, apoyándose en herramientas de inteligencia artificial como ChatGPT para optimizar el rendimiento y la precisión de los modelos. Los estudiantes aprenderán a integrar estas herramientas de IA para mejorar la eficiencia en la construcción y evaluación de modelos, desde la optimización de hiperparámetros hasta la generación

de insights para preprocesamiento de datos y selección de características. Con proyectos prácticos en R y Python, el curso abarca aplicaciones de clustering, reducción de dimensionalidad, y modelos de clasificación y regresión.

Objetivos:

1. Comprender y aplicar modelos supervisados avanzados para tareas de clasificación y regresión.

2. Utilizar métodos no supervisados como clustering y reducción de dimensionalidad en problemas reales.

3. Integrar herramientas de inteligencia artificial (IA) como ChatGPT para apoyar la construcción y optimización de modelos.

4. Implementar modelos en R y Python, aprovechando el soporte de IA para mejorar la eficiencia y precisión.

5. Desarrollar habilidades para seleccionar y evaluar modelos de acuerdo con el contexto específico del problema.

Metodología:

El curso combina teoría avanzada y aplicaciones prácticas, utilizando R y Python para implementar y evaluar modelos. Se incentiva a los estudiantes a utilizar herramientas de IA para tareas como la optimización de hiperparámetros, generación de código, y asesoría en la elección de algoritmos. Las herramientas y recursos incluyen:

1. Videoconferencias semanales: Clases en vivo mediante Zoom, grabadas para revisión posterior.

2. Trabajos prácticos semanales: Ejercicios en R y Python para aplicar los conceptos en proyectos reales.

3. Foros de discusión: Espacio en Moodle para plantear dudas y compartir ideas.

4. Aula virtual en Moodle: Acceso a materiales, enlaces a bibliografía, ejemplos de código y recursos adicionales.