Curso INEC - Machine Learning aplicado

Este repositorio contiene las presentaciones, laboratorios y datos usados en el curso de machine learning aplicado con R.

Estructura del repositorio

.
├── INEC_Modulo1.pdf
├── INEC_Modulo2.pdf
├── INEC_Modulo3.pdf
├── INEC_Modulo4.pdf
├── modulo1.ipynb
├── modulo2.ipynb
├── modulo3.ipynb
├── modulo4.ipynb
├── modulo1.html
├── modulo2.html
├── modulo3.html
├── modulo4.html
├── data/
└── output/

Presentaciones

Las presentaciones del curso están en formato PDF:

• INEC_Modulo1.pdf: introducción, preparación de datos y primeros modelos.
• INEC_Modulo2.pdf: modelos supervisados, validación y comparación.
• INEC_Modulo3.pdf: comparación de SVM, k-NN y Naive Bayes frente a RF/GBM.
• INEC_Modulo4.pdf: PCA, clustering exploratorio y cierre del flujo de ML.

Labs

Los laboratorios están en notebooks Jupyter:

• modulo1.ipynb
• modulo2.ipynb
• modulo3.ipynb
• modulo4.ipynb

Cada notebook tiene también una versión renderizada en HTML:

• modulo1.html
• modulo2.html
• modulo3.html
• modulo4.html

Datos

La carpeta data/ contiene las bases usadas en los labs:

• hogares_modulo1.csv
• roads_canton_mean.csv
• data_pobreza_INEC.xlsx

Salidas

La carpeta output/ guarda resultados generados por los notebooks, organizados por módulo:

• output/modulo1/
• output/modulo2/
• output/modulo3/
• output/modulo4/

Estas salidas incluyen métricas, predicciones, tablas intermedias, resultados de PCA y perfiles de clusters.

Uso sugerido

1. Abrir los notebooks en orden: modulo1.ipynb a modulo4.ipynb.
2. Ejecutar cada notebook desde el inicio para reproducir los resultados.
3. Consultar las versiones HTML para revisar los labs sin ejecutar código.
4. Usar las presentaciones PDF como material de apoyo conceptual.