ShortCourse
Description

Faculty: Dr. Rafael Alfonso-Cristancho, PhD, MSc, Director Científico en Jefe, Valor de Evidencia Analítica – Las Américas, Resultados del Valor de Evidencia, Médico Global, GlaxoSmithKline R&D, Collegeville, PA, USA Carlos Felipe Felipe Valencia, PhD, Profesor, Departamento de Ingeniería Industrial, Universidad de los Andes, Bogotá, Colombia

Level: Intermediate

Track: Study Approaches

Presentado en español / Presented in Spanish

El aprendizaje de máquinas (ML, por sus siglas en inglés) comprende representaciones y algoritmos que permiten predecir el comportamiento de un fenómeno de interés, usando observaciones de situaciones previas. ML se concentra en encontrar patrones en los datos que permitan a las computadoras resolver problemas complejos de manera automática. Para desarrollar algoritmos de ML es necesario resolver una pregunta difícil: cómo generalizar el comportamiento de un fenómeno más allá de los ejemplos particulares que componen el conjunto de entrenamiento. Este curso busca explicar los principios fundamentales de ML y cómo estos procesos de generalización pueden ser formulados e implementados. El problema se estudiará desde diferentes perspectivas, ilustrando los conceptos básicos en el área de economía de la salud.

El curso cubre conceptos fundamentales de ML, además de algunas metodologías y algoritmos particulares. Dentro de los temas a tratar estas: principio de sesgo/varianza, calibración de modelos, árboles de decisión, máquinas de aprendizaje vectorial (SVM, por sus siglas en inglés), redes neuronales, y algoritmos de ensamblaje. Se requiere un conocimiento básico de la regresión lineal. Los participantes que deseen participar en los ejercicios prácticos durante el curso deben asegurarse de traer una computadora portátil personal con el software R and R-Studio instalado y funcionando. Las instrucciones de instalación estarán suministradas a los inscritos.

Tags