[general_dat] Optativa 2do Cuatrimestre: Machine Learning y Modelado Predictivo

[Dirección Ciencias de Datos Exactas UBA]

Hola!

Les escribo para comentarles que en el segundo cuatrimestre de 2026, el
Prof. Sebastián Ríos Pérez de la Universidad de Chile, dictará en forma
virtual la materia optativa "Machine Learning y Modelado Predictivo" como
invitado del Instituto de Cálculo de la FCEN.

Este curso brinda una formación integral en aprendizaje automático y
modelado predictivo, abarcando todas las etapas del desarrollo de modelos,
desde el pre-procesamiento de datos hasta su validación e interpretación.
Los estudiantes aprenderán a implementar pipelines reproducibles, comparar
y optimizar modelos mediante métricas apropiadas, diagnosticar problemas
como sesgo, sobreajuste y desbalance, interpretar predicciones utilizando
técnicas modernas como SHAP y aplicar métodos avanzados de regularización,
optimización bayesiana y modelos de ensamble para construir soluciones
predictivas robustas y confiables.

El programa de la materia se encuentra a continuación.

Esta materia tiene una carga total de 32 hs. y será dictada en forma
virtual. Está siendo presentada como materia optativa de la Licenciatura en
Ciencias de Datos y su reconocimiento está en trámite por lo que hemos
habilitado un formulario de inscripción provisoria:

https://docs.google.com/forms/d/e/1FAIpQLScoAWzMWM6ZSrHqQFxSlnzwdZYquVC49quHO-e7Nr7zc1m2Xg/viewform?usp=header


Cualquier duda, pueden escribirme a anambianco at gmail.com


Saludos,

Ana M. Bianco


#####################
Programa


Unidad 1. Introducción y problemas clásicos:
Fundamentos ML & Herramientas para Gestión de Proyectos DS
Conceptos: - Taxonomía ML (supervisado/unsupervised,
regresión/clasificación) - Generalización: train/val/test, validación
cruzada - Sesgo vs varianza
Herramientas prácticas: - Estructura de carpetas reproducible - Jupyter
Notebooks + Colab best practices - Git básico: commits, branches, pull
requests - Versionado de datos (DVC intro) - Documentación con README y
docstrings - Requirements.txt y reproducibilidad.

Unidad 2. EDA & Limpieza de Datos:
• Análisis exploratorio
• Valores faltantes: imputación y validación de impacto
• Outliers: detección y decisión
• Encoding de categóricas
• Escalado y normalización
• Feature engineering: lógica y validación

Unidad 3.  Clasificación Binaria & Multiclase
• Regresión logística: odds, probabilidades calibradas
• Árboles de decisión: teoría y diagnósticos
• Desbalance: SMOTE, class weights, métricas apropiadas
• Threshold tuning: ROC, Precision-Recall
• Métricas: Precision, Recall, F1, AUC-ROC (nunca Accuracy sola)
MINI PROYECTO 1: Análisis Exploratorio + Limpieza de Dataset (Semana 6) —
25%

Unidad 4.  Ensemble Methods Fundamentales:
• Random Forests: teoría e importancia de features
• Gradient Boosting, XGBoost, LightGBM
• Stacking y blending
• Tuning de hiperparámetros: grid/random/Bayesian

Unidad 5.  Interpretabilidad & Explicabilidad
• Feature importance: tree-based, permutation
• SHAP: Shapley values, force plots, dependence plots, interaction
• LIME: explicaciones locales
• Análisis sistemático de errores
• Fairness y sesgo

Unidad 6.  Validación Avanzada & Gotchas
• Data leakage: tipos y prevención
• Temporal data: walk-forward validation, drift
• Producción: persistencia, monitoreo, retraining
• Reproducibilidad garantizada
• Tests estadísticos de diferencia

Evaluación General:

La evaluación comprenderá un Mini proyecto de Eda y Limpieza de Datos, un
segundo Mini proyecto de Clasificación y SHA y un proyecto final integrador.
Programa


Bibliografía General
Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and
TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
(2da ed.). O'Reilly Media.

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An Introduction
to Statistical Learning: with Applications in R (2da. ed.). Springer.

Molnar, C. (2022). Interpretable Machine Learning (2da. ed.). Leanpub.
Disponible gratuitamente en: https://christophm.github.io/interpretable-ml/