12 lecciones • 5 horas
Curso teórico-práctico donde aprenderás los fundamentos de los algoritmos y modelos de Regresión Lineal que permiten resolver una amplia variedad de problemas en Ciencia de Datos y Machine Learning.
Al final del curso habrás aprendido
- La teoría básica de la Regresión Lineal Simple y Múltiple
- A usar Python y librerías especializadas para resolver problemas de Machine Learning usando algoritmos de Regresión Lineal
- A seleccionar el mejor conjunto de variables predictoras en un modelo de Regresión Lineal
- A usar los métodos de regresión Lasso y Ridge para mejorar el desempeño de un modelo de Regresión Lineal
Requisitos
Se sugiere tener experiencia en la programación en Python (acá en la Academia encontrarás tres cursos disponibles) y haber tomado el curso Introducción al Machine Learning.
Contenido
MÓDULO 1: LA REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE
1 – La idea básica de la Regresión Lineal Simple
2 – Estimación de parámetros en la Regresión Lineal Simple
3 – Evaluación de un modelo de Regresión Lineal Simple
4 – La idea básica de la Regresión Lineal Múltiple
5 – Estimación de parámetros en la Regresión Lineal Múltiple
6 – Evaluación de un modelo de Regresión Lineal Múltiple
7 – Variables categóricas en modelos de Regresión Lineal
8 – Multicolinealidad en un modelo de Regresión Lineal
MÓDULO 2: SELECCIÓN DE COVARIABLES Y REGULARIZACIÓN
9 – Selección de las mejores covariables
10 – Selección de covariables por pasos
