Prólogo.................................................................................................. XI
MÓDULO I. Conceptos generales...........................................................1
1.1. Conceptos generales de aprendizaje automático ...............................3
1.2. Infraestructura y tipos de analítica de un proyecto de ciencia
de datos .............................................................................................5
1.2.1. Fundamentos sobre infraestructura de datos .........................5
1.2.2. Diseño de una infraestructura de datos .................................8
1.2.3. Tipos de analítica ................................................................13
1.3. Tipos de aprendizaje automático ....................................................15
1.3.1. Aprendizaje supervisado ......................................................16
1.3.2. Aprendizaje no supervisado.................................................17
1.3.3. Aprendizaje por refuerzo .....................................................17
1.4. Etapas de un proyecto de aprendizaje automático...........................19
1.4.1. Feature engineering...............................................................19
1.4.2. Etapas en un proyecto de aprendizaje automático ...............20
1.5. Técnicas de optimización en aprendizaje automático ......................25
1.6. Python y buenas prácticas de programación....................................31
1.6.1. Conceptos fundamentales de Python ..................................31
1.6.2. Buenas prácticas en la programación de modelos de
aprendizaje automático............................................................41
1.7. Análisis exploratorio de datos (EDA) .............................................42
MÓDULO II. Aprendizaje supervisado. Clasificación ............................47
2.1. Técnicas de validación de modelos ..................................................49
2.1.1. Matriz de confusión para modelos de clasificación..............49
2.1.2. Curva ROC.........................................................................53
2.1.3. Validación cruzada o cross validation....................................57
2.1.4. Entropía e índice Gini. Curvas de aprendizaje. ...................59
2.1.5. Medidas de distancias .........................................................63
2.2. Teoría de la decisión: clasificación bayesiana ...................................65
2.2.1. Teorema de Bayes ................................................................65
2.2.2. Algoritmo de Naive Bayes ...................................................67
2.3. Sistemas de clasificación básicos .....................................................71
2.3.1. Árbol de decisión simple .....................................................71
2.3.2. Algoritmo KNN..................................................................73
2.4. Sistemas de clasificación avanzados ................................................76
2.4.1. Random forest.......................................................................76
2.4.2. Boosting ...............................................................................80
2.5. Máquinas de soporte vectorial ........................................................87
2.6. Introducción a redes neuronales ......................................................92
2.6.1. Definición y tipos de redes neuronales ................................92
2.6.2. Redes neuronales multicapa ................................................96
2.6.3. Redes neuronales convolucionales (CNN) ........................102
2.6.4. Redes neuronales recurrentes (RNN) ................................106
2.7. Procesamiento del lenguaje natural (NLP) ..................................108
2.8. Estrategias de resolución de problemas en modelos
de clasificación ..............................................................................115
MÓDULO III. Modelos de regresión y series temporales .....................119
3.1. Validación en modelos de regresión ..............................................121
3.2. Regresión lineal múltiple ..............................................................128
3.3. Regresión logística ........................................................................134
3.4. Modelos de árboles con regresión .................................................139
3.5. Regresión con vector soporte ........................................................144
3.6. Series temporales con aprendizaje automático ..............................147
3.6.1. Introducción a las series temporales y análisis de
componentes .....................................................................147
3.6.2. Modelos ARIMA y SARIMA ..........................................150
3.6.3. Series temporales con redes neuronales .............................155
MÓDULO IV. Aprendizaje no supervisado y por refuerzo ...................159
4.1. Análisis de componentes principales (PCA) .................................161
4.2. Modelos de aprendizaje no supervisado ........................................163
4.2.1. Agrupación en clústeres: K-means ....................................163
4.2.2. DBSCAN .........................................................................167
4.2.3. Algoritmos a priori ............................................................169
4.2.4. Técnicas de validación de modelos no supervisados ..........173
4.3. Aprendizaje por refuerzo ..............................................................177
MÓDULO V. Casos de uso .................................................................181
5.1. Caso de uso de una segmentación de prospectos ..........................183
5.1.1. Definición del modelo .......................................................183
5.1.2. Descripción del caso de uso ...............................................184
5.1.3. Resolución técnica .............................................................184
5.1.4. Análisis de resultados ........................................................188
5.2. Caso de uso de un modelo de propensión .....................................192
5.2.1. Definición del modelo .......................................................192
5.2.2. Descripción del caso de uso ...............................................193
5.2.3. EDA ..................................................................................194
5.2.4. Resolución técnica .............................................................196
5.2.5. Cálculo del tiempo de retorno ...........................................204
5.2.6. Distribución de nuevas probabilidades ..............................208
5.2.8. Conclusiones y análisis de negocio ....................................210
5.3. Análisis de series temporales para predecir el número de via-
jeros en el transporte urbano .........................................................210
5.3.1. Descripción del caso de uso ...............................................210
5.3.2 Resolución técnica usando SARIMA................................211
5.3.3. Conclusiones y análisis de negocio ....................................217
5.4. Caso de uso de un modelo de abandono (churn) para explicar
la pérdida de clientes en el sector financiero. Optimización de
parámetros.....................................................................................218
5.4.1. Definición del modelo .......................................................218
5.4.2. Descripción del caso de uso ...............................................219
5.4.3. EDA ..................................................................................220
5.4.4. Resolución técnica .............................................................223
5.4.5. Conclusiones y análisis de negocio ....................................229
5.5. Caso de uso para el análisis de sentimiento en redes sociales
mediante el teorema de Bayes. ......................................................231
5.5.1. Definición del modelo .......................................................231
5.5.2. Descripción del caso de uso ...............................................232
5.5.3. Resolución técnica .............................................................233
5.5.4. Conclusiones y análisis de negocio ....................................235
Bibliografía ..........................................................................................237