1. Introducción a Machine Learning y Pre-Procesado de Datos

a. Conceptos básicos de Machine Learning

b. Preparación de ambiente de trabajo

c. Tratamiento de datos faltantes

d. Tratamiento de datos categóricos

e. Segmentación de datos

f. Escalamiento de Variables

2. Modelos de Clasificación

a. K-Nearest Neighbors (KNN)

b. Naive Bayes

c. Support Vector Machines

I. Kernel SVM

d. Árboles de Decisión y Random Forest

e. Regresión Logística

3. Evaluación de Modelos de Clasificación

a. Métricas de Evaluación

b. Matriz de Confusión

c. Curva ROC y AUC

4. Modelos de Regresión

a. Regresión Lineal Simple y Múltiple

b. Regresión Polinomial

c. Support Vector Machines para Regresión

d. Árboles de Decisión y Random Forest para Regresión

5. Evaluación de Modelos de Regresión

a. Medidas de Error

b. Evaluación de modelos de regresión

* El participante requiere conocimientos básicos en el manejo de software Anaconda y Python

*Todas las simulaciones y ejercicios se realizarán con Anaconda y Python 3.9 o superior