Este curso avanzado se centra en el estudio y la implementación de métodos supervisados avanzados en el análisis de datos, utilizando R y Python. Los estudiantes explorarán algoritmos de clasificación y regresión de última generación, optimización de hiperparámetros, técnicas de ensamblado y métodos de validación para mejorar la precisión y eficiencia de los modelos. Al final del curso, los estudiantes serán capaces de implementar y ajustar modelos supervisados avanzados para resolver problemas complejos en ciencia de datos
y machine learning.

Objetivos:

1. Comprender y aplicar algoritmos avanzados de clasificación y regresión.

2. Aprender técnicas de ensamblado, como bagging, boosting y stacking, para mejorar

   la precisión de los modelos.

3. Optimizar los hiperparámetros de modelos supervisados en R y Python.

4. Aplicar métodos de validación cruzada y evaluación de rendimiento en modelos de machine learning.

5. Desarrollar habilidades para seleccionar y ajustar modelos supervisados en función de diferentes aplicaciones en ciencia de datos.

Metodología:

El curso combina teoría y práctica aplicada en R y Python, permitiendo a los estudiantes implementar y evaluar modelos supervisados en problemas reales de ciencia de datos. Las herramientas y recursos incluyen:

1. Videoconferencias semanales: Sesiones en Zoom que serán grabadas para su revisión posterior.

2. Trabajos prácticos semanales: Ejercicios aplicados en R y Python para fortalecer la implementación de métodos supervisados avanzados.

3. Foros de discusión: Espacio en Moodle para resolver dudas y discutir temas del curso.

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