Presencial Parte 1: Machine Learning: Estrategías de Analíticas de Datos

Este taller ofrece una visión práctica y estratégica del Machine Learning aplicada a la analítica de datos. A través de casos prácticos, los participantes aprenderán a identificar oportunidades de uso e interpretar resultados con criterio. El taller finalizará con una visión clara de cómo convertir los datos en decisiones de valor mediante una estrategia sólida y sostenible.

Sesión 1 — Machine Learning: entender qué hay debajo
El objetivo no es que salgas sabiendo programar modelos, sino que sepas qué está haciendo un modelo, por qué funciona y cuándo desconfiar de él.

Qué se trabaja
• Cuándo el machine learning resuelve un problema y, sobre todo, cuándo no es la herramienta adecuada.
• Los algoritmos que realmente se usan en datos de negocio, explicados por cómo separan la información y no por su matemática: modelos lineales, árboles de decisión, random forest y gradient boosting.
• La decisión que más proyectos hunde: definir bien qué se quiere predecir y con qué métrica se mide el éxito en términos de negocio.
• Construcción y comparación de varios modelos sobre un mismo caso.
• Sobreajuste y fuga de datos: por qué un modelo con resultados excelentes puede ser inservible. Incluye un ejercicio de detección.

Con qué te vas
Capacidad para leer los resultados de un modelo con criterio propio, cuestionar las métricas que te presenten y una lista de comprobación para valorar si un modelo está listo para producción.