Di3 Ingeniería Industrial
Prefacio
1
Prerequisitos para el curso
1.1
Primer referencia biblográfica que puede ayudarte.
1.1.1
R para Ciencia de Datos
2
Introducción
2.1
TIPOS DE ANÁLISIS
2.1.1
Algunos aporte metodológicos
2.2
¿Cómo aporta la analítica de datos a estos problemas
2.3
El postulado de la Teoría de Darwin
2.4
Propuestas de apropiación de la Analitica de Datos.
2.5
Síntesis y aprendizaje.
3
Analítica de Datos
3.1
Teoría
3.1.1
Bases de la analítica de datos
4
Revisión de las herramientas de software y hardware disponibles
4.1
Software para celulares
4.2
Herramientas para PC
4.2.1
Análisis Bibliométrico
4.3
Análisis Cuantitativo y Porducción de Textos
4.4
Tecnologías
4.4.1
Nueral Net Tools
4.5
El impacto de las Finanzas
4.6
Casos de estudio para el aula virtual
5
Primer taller de trabajo
5.1
Encontrando a Antonov
5.1.1
Rescatas datos de excel dentro R-Cran
5.1.2
Captura de Archivo Local
5.2
Manejo de datos y estructuras
5.2.1
¿Qué columnas tienen esta tabla?
5.2.2
Pequeño análisis multivariado
5.2.3
Estudio más detallado
5.2.4
Calidad del modelo
5.2.5
Comparación
5.2.6
Predicción
5.2.7
Intervalos de confianza
5.2.8
Extrapolación
6
Redes Neuronales y Clusters
7
Implementación NeuralNet
7.1
Caso de estudio sistema de emergencias medicas
7.2
Contexto General
7.3
Introducción
7.4
Desarrollo
7.5
Generalizacion para la regresión lineal
7.5.1
Calidad del modelo lineal
7.5.2
Primera predicción
7.6
Construcción de la Red Neuronal
7.6.1
Grpafico de la Red Nuronal
7.7
Real vs Predicción
7.8
Validación cruzada
7.9
Resultado
7.10
Conclusiones
7.11
Referencias
8
Clusterización
8.0.1
Carga de datos desde archivos externos
8.1
Captura de datos
8.1.1
¿Desde dónde podemos cargar datos?
8.1.2
Revisión de Datos Ejemplo
8.2
Análisis Exploratorio
8.3
Historgramas Análisis de Histograma
8.4
Gráficos de Densidad
8.5
Gráficas Ralas y Análisis Multivariado
8.6
Mínimo numero de dimensiones
8.7
Análisis de Componentes Principales
9
Scores
9.1
Análisis de Clusters o Conglomerados
9.1.1
Otros gráficos de agrupamiento
10
Clasificación y Agrupamiento
11
Gestión del Riesgo
12
Árboles y Bosques
13
Clasificación y Clustering
14
Trabajos de alumnos
15
Datasets
16
Datasets utilizados en el curso
16.1
WASH
16.2
Impactos de la aglomeración industrial en la eficiencia ecológica y polución
16.3
Implementación de algoritmo K-Means para dispositivos eterogeneos (cpu/gpu)
16.4
(Infrastructure) Global Wine Statistics Trained Neural Net
16.5
Aerocargo Trafic Argentina - from 2014 to 2019 (no covid-19 data included)
16.6
Energy Statistical Yearbook 2018 - Statistics
16.7
Herederos
16.8
Índice de Innovación Potencial
16.9
Residuos Agrícolas
16.10
Comparación de la competitividad de Bodegas Vitícolas de Mendoza
16.11
World Compliance Association
16.12
Empresas innovadoras
16.13
Uso de Energías Alternativas
Referencias
16.14
R Markdown
16.15
Including Plots
Published with bookdown
Material de Clase
6
Redes Neuronales y Clusters