presentation.knit

---

---

background-image: url(img/01_complexity_confusion.png)
class: inverse, center, middle

---

.body[
Analiza e interpreta datos a través de una población muestral generando estadística descriptiva y estadística inferencial.

<br />

* **Estadística descriptiva:** Describe distribuciones, análisis exploratorio, correlaciones, outliers, etc.

<br />

* **Estadística inferencial:** Analiza estimaciones puntuales, intervalos de confianza o hipótesis para una población.

]

]

.panel[.panel-name[BI]
.pull-left[
<img src="img/03_bi.png" width="545px" height="265px" />
]
.pull-right[

.body[
Aprovecha el software y servicios para transformar datos en **conocimientos prácticos que informan las decisiones estratégicas de una organización**.

<br />

Acceden y analiza datos para **transformar hallazgos analíticos** en informes, resúmenes, tableros, gráficos, tablas, KPI’s y mapas para proporcionar inteligencia detallada sobre el estado del negocio.

Está enfocada en *analizar la historia pasada*.
]

]
]

.panel[.panel-name[Big Data]
.pull-left[
.body[
Grandes conjuntos de información que crecen a un ritmo cada vez mayor. Abarca los 3 "V":

* **V**olumen de información
* **V**elocidad a la que se crea y recopila
* **V**ariedad de datos que se cubren.

Es común que se confunda los conceptos de **Big Data y Big Compute.**

BD se refiere al procesamiento de conjuntos voluminosos y BC a herramientas y algoritmos que usan gran cantidad de recursos computacionales para resolver problemas complejos.
]
]

.panel[.panel-name[ML]
.pull-left[
<img src="img/05_machine_learning_tree.png" width="600px" height="270px" />
]
.pull-right[
.body[
Los algoritmos de Machine Learning se dividen en categorías:

**Supervisado:** Aprendizaje basado en etiquetas con respuestas correctas a partir de las cuales el algoritmo asocia patrones comunes en datsos.

**No supervisado:** Aprendizaje sin supervisión ni guía. Esto significa descubrir ¿qué es qué? por nosotros mismos.

**Por refuerzo:** Aprende a partir de experiencia propia. Esto es, que sea capaz de tomar la mejor decisión de acuerdo a un proceso de prueba y error en el que se recompensan las decisiones correctas. [Ejemplo](https://www.youtube.com/watch?v=qv6UVOQ0F44)
]
]
]

.panel[.panel-name[DL]
.pull-left[
.body[
Ocupa de los algoritmos inspirados en la estructura y función del cerebro llamados **redes neuronales artificiales**.

El modelo aprende a **clasificar a partir de imágenes, video, texto o sonido**. Los modelos de aprendizaje profundo pueden lograr una precisión de vanguardia. Los modelos se entrenan mediante el uso de un gran conjunto de datos y arquitecturas de redes neuronales que contienen muchas capas.
]
]
.pull-right[
<img src="img/07_reconocimiento.png" width="545px" height="265px" />
]
]

.panel[.panel-name[Data Science]
<img src="img/08_data_science_skillset.jpg" width="600px" height="300px" />
]

]

---

.panel[.panel-name[Datos y Etiquetas]
<img src="img/09_1_etiquetas.png" width="600px" height="300px" />
]

.panel[.panel-name[Relevancia y Suficiencia]
<img src="img/09_2_relevancia_suficiencia.png" width="600px" height="300px" />
]

]

---

* Recomendaciones de productos
* Upselling & Cross-selling
* Reducir tasas de cancelación
* Análisis de sentimientos
* Personalización de productos o servicios
]

<img src="img/10_customer.png" width="200px" height="150px" />
]

* Optimización de precios
* Ubicación de nuevas sucursales
* Maximización de ganancias mediante producción de materias primas
* Construcción de portafolios de inversión
]
]

---

* Número futuro de clientes
* Número esperado de viajes
* Número por virus (demanda médica/ medicamentos/ etc)
* Predicción de uso de recursos 
]

]

* Detección de robo de identidad
* Detección de transacciones ilícitas
* Detección de servicios fraudulentos
* Detección de zonas geográficas con actividades ilícitas

]
]

---

.body[
Se realiza la **detección de patrones** para aprender las relaciones existentes entre las variables explicativas y la respuesta a predecir. Posteriormente, dependiendo del tipo de respuesta se realiza la clasificación o regresión predictiva
]

<img src="img/14_bot_supervisado.png" width="300px" height="230px" />
]
.pull-right[
<img src="img/15_regresion_clasificacion.png" width="370px" height="225px" />

.body[
Existen algoritmos que operan con cada uno de los tipos de respuesta y algunos de ellos logran adaptarse al tipo de respuesta indicado.
]
]

---

.pull-left[
.body[
A partir de **similitudes entre los elementos** en observación, se realizan agrupaciones que pueden ayudar a:

* Segmentar clientes
* Reducir dimensión de grandes datos
* Realizar sistemas de recomendación
* Etc.
]
<img src="img/17_bot_no_supervisado.png" width="300px" height="215px" />
]

.pull-right[
<img src="img/16_recommendation.png" width="300px" height="200px" />
.body[
A menudo se combinan los algoritmos de aprendizaje de máquina supervisado y no supervisado para crear sistemas predictivos que ayuden a **mejorar la precisión**
]

]
---

---

.body[
Para realizar el entrenamiento y prueba del mejor modelo posible, los datos se segmentan en 3 conjuntos.

* **Training:** Conjunto a través del cual se **construye el modelo**. Se calculan parámetros que usará el modelo para hacer predicciones.

* **Validation:** Se usa para **validar las decisiones** de configuración del modelo. Se seleccionan hiper-parámetros que producen mejor resultado predictivo sobre este conjunto de datos.

* **Testing:** Prueba predictiva final que permite **conocer el futuro poder predictivo** similar al que se obtendrá cuando el modelo se encuentre en producción.
]
]

---

.pull-left[
.body[
Una estrategia que permite seleccionar ágilmente los mejores hiper-parámetros de configuración es **probar con distintas opciones en distintas divisiones de datos** y elegir el que permita obtener mejores resultados. 
]
<img src="img/18_2_kfcv.jpg" width="350px" height="230px" />

]

.pull-right[
<img src="img/18_1_cross_validation.png" width="370px" height="230px" />
.body[
A partir del cálculo del poder predictivo de cada uno de los folds creados, se calcula el error promedio de cada configuración y finalmente se elige el modelo que tenga **mejor poder predictivo promedio**.
]
]

---

.body[
La ingeniería de datos abarca actividades que **reformatean los valores de los predictores para que se puedan utilizar de manera eficaz para nuestro modelo**. Esto incluye transformaciones y codificaciones de los datos para representar mejor sus características importantes. Ejemplos:
]

.pull-right[
.title-table[Transformación categórica]
<iframe src="feature_eng2.html" width="400px" height="200px" scrolling="no" seamless="seamless" frameBorder="0"></iframe>
]

---

.body[
**Regresión Lineal Simple:** Realiza el ajuste de una recta permita conocer la relación existente entre una única variable explicativa **X** para predecir una respuesta numérica **Y**. La predicción se realiza a través de:

`$$\hat{Y} = \hat{\beta}_0 + \hat{\beta}_1X_1 + \epsilon \approx b + mx$$`
]

---

.body[
**Regresión Lineal Múltiple:** Realiza el ajuste de un hiper-plano que permita conocer la relación existente entre múltiples variables explicativas `$\{X_1, X_2, ... , X_p \}$` para predecir una respuesta numérica **Y**. La predicción se realiza a través de:
$$\hat{Y} = \hat{\beta}_0 + \hat{\beta}_1X_1 + \hat{\beta}_2X_2 + ... + \hat{\beta}_pX_p + \epsilon $$
]

---

.body[
**K Vecinos más Cercanos:** Realiza comparaciones de cada elemento por predecir contra todas las observaciones conocidas para posteriormente estimar la predicción de un nuevo elemento **a través del promedio de los _K_ vecinos más parecidos.** La cantidad de vecinos cercanos determinará la flexibilidad del modelo.

* A mayor número de vecinos, el modelo será más rigido y tendrá más sesgo y menos varianza.  
* A menor número de vecinos, el modelo será más flexible, logrando mayor varianza y menos sesgo.
]

.body[
No existe una *K* mágica, la **elección óptima de *"K"* se determina mediante pruebas iterativas de ensayo y error**, de forma que se elige la que ajuste mejor a los datos.
]

---

.body[
No existe una *K* mágica, la **elección óptima de *"K"* se determina mediante pruebas iterativas de ensayo y error**, de forma que se elige la que ajuste mejor a los datos.
]

---

.pull-left[
.body[
**Árbol de decisión:** Es un clasificador estructurado de manera jerárquica (árbol), en donde:

* Los nodos internos representan las características de un conjunto de datos
* Las ramas representan las reglas de decisión 
* Cada nodo hoja representa el resultado. 
]

]

.body[
La idea básica de los árboles es **buscar puntos de corte** en las variables de entrada para hacer predicciones, ir dividiendo la muestra y encontrar cortes para **refinar las predicciones.**
]
]

---

.body[
En el caso de un **árbol de regresión**, los cortes se realizan de manera que disminuya la varianza al interior de cada uno de los grupos formados a partir de la rama de decisión.
]

.body[
Posteriormente, para realizar predicciones de nuevas observaciones se calcula **el promedio de la variable de respuesta** de los elementos observados contenidos en el grupo para lograr estimaciones de nuevas observaciones que sean clasificados en el nodo hoja creado
]

---

.body[
El proceso de toma de decisión jerárquica puede mejorarse al considerar el **promedio del resultado** de miles de árboles creados a partir de **muestras bootstrap**, las cuales crean variación en los datos para detectar los patrones consistentes y desechar aquellos producidos por ruido o datos atípicos.
]
<img src="img/21_2_bagging.png" width="280px" height="235px" />
<img src="img/21_1_rforest_mean.png" width="280px" height="220px" />

.body[
La **agregación** del resultado de múltiples modelos puede en muchas ocasiones **mejorar el desempeño final**, sin embargo, esta mejora **se paga con recursos computacionales**
]

---

A partir de una o más variables explicativas, se estima la **probabilidad de pertenecer a la categoría _positiva_ de una variable de respuesta categórica**. Posteriormente, se determina el umbral de probabilidad a partir del cual se clasifica a una observación como positiva o negativa.

`$$P[Y = 1 | X] = \frac{e^{\hat{\beta}_0 + \hat{\beta}_1X_1 + ... + \hat{\beta}_pX_p}}{1 + e^{\hat{\beta}_0 + \hat{\beta}_1X_1 + ... + \hat{\beta}_pX_p}}$$`
]

---

.body[
**K Vecinos más Cercanos:** Realiza comparaciones de cada elemento por predecir contra todas las observaciones conocidas para posteriormente estimar la predicción de un nuevo elemento **a través de la moda de los _K_ vecinos más parecidos.** La cantidad de vecinos cercanos determinará la flexibilidad del modelo.

.body[
No existe una *K* mágica, la **elección óptima de *"K"* se determina mediante pruebas iterativas de ensayo y error**, de forma que se elige la que ajuste mejor a los datos.
]

---

.body[
**K Vecinos más Cercanos:** Realiza comparaciones de cada elemento por predecir contra todas las observaciones conocidas para posteriormente estimar la predicción de un nuevo elemento **a través de la moda de los _K_ vecinos más parecidos.** La cantidad de vecinos cercanos determinará la flexibilidad del modelo.

.body[
No existe una *K* mágica, la **elección óptima de *"K"* se determina mediante pruebas iterativas de ensayo y error**, de forma que se elige la que ajuste mejor a los datos.
]

---

.body[
En el caso de un **árbol de clasificación**, los cortes se realizan de manera que disminuya la impureza de categorías al interior de cada uno de los grupos formados a partir de la rama de decisión.
]

.body[
Posteriormente, para realizar predicciones de nuevas observaciones se calcula **la moda de la variable de respuesta** de los elementos observados contenidos en el grupo para lograr estimaciones de nuevas observaciones que sean clasificados en el nodo hoja creado
]

---

.body[
El proceso de toma de decisión jerárquica puede mejorarse al considerar el **promedio del resultado** por *votación de la mayoría* de miles de árboles creados a partir de **muestras bootstrap**, las cuales crean variación en los datos para detectar los patrones consistentes y desechar aquellos producidos por ruido o datos atípicos.
]
<img src="img/23_1_randomforest_ejemplo.jpg" width="390px" height="230px" />
<img src="img/23_2_randomforest.png" width="340px" height="230px" />

.body[
La **agregación** del resultado de múltiples modelos puede en muchas ocasiones **mejorar el desempeño final**, sin embargo, esta mejora **se paga con recursos computacionales.**
]