Laboratorio práctico: La sazón del científico de datos

El platillo no siempre sale bien aún cuando sigas la receta… pero con aderezo y sazón matemático, saldremos bien librados en la batalla de presentar un modelo digno de estrellas michelin.

Este taller pretende hacer una conexión entre el arte y la ciencia necesarias para desarrollar un modelo correcto. Nos enfrentaremos a datos agrios y modelos aguados, pero entenderemos el camino para corregir.

• A través de un Exploratory Data Analysis (EDA) identificaremos propiedades de los datos que tienen un impacto negativo en el entrenamiento del modelo.
• Asimismo, revisaremos que aún siendo una útil herramienta, el feature engineering no siempre funciona, analizaremos qué pasa y cómo evitarlo.
• Mediante LIME (Local Interpretable Model-Agnostic Explanations) trabajaremos una técnica que permitirá explicar la predicción de nuestro modelo a los tomadores de decisiones.

Requisitos:

• Nociones de Estadística
• Experiencia con máquinas de soporte vectorial (deseable)
• Una computadora que tenga instalado Jupyter Notebook, de preferencia con la distribución de Anaconda (https://www.anaconda.com/distribution) y Weka (https://www.cs.waikato.ac.nz/ml/weka/)