Al hacer análisis de datos se invierten muchos recursos en la correcta preparación de los datos y modelado; no obstante, es primordial presentar los resultados de forma tal que sea muy rápido y fácil interpretarlos; como bien se dice, una buena imagen (gráfico) es más valiosa que mil palabras. De esta forma, en este curso se presentarán los fundamentos del lenguaje Python para visualizar la información por medio del uso de herramientas gráfi- cas. Adicionalmente se usarán paquetes que permiten visualizar de mejor forma los datos según su tipo y dominio. Es importante recordar que la visualización de la información no es únicamente para presentar resultados finales, sino también para conocer los datos sobre los cuales se plantean los modelos.

1. Generar un modelo predictivo en Python con Scikit-Learn.
2. Aplicar Validación Cruzada (Cross-Validation) y Remuestreo (bootsrapping) para la medición correcta del error de un modelo predictivo.
3. Calibrar adecuadamente tanto métodos exploratorios como métodos predictivos en Machine Learning.
4. Seleccionar el mejor modelo predictivo dado un conjunto de datos.