Maestría en Ciencia de Datos
Segundo Bloque: Otoño

Modelación
Bayesiana

Objetivos:

Profundizar en la visualización, inferencia y simulación de modelos bayesianos para inferencia, análisis de potencia, calibración de procedimientos estadísticos y flujo de trabajo bayesiano, incluyendo el cómo incluir estos modelos en productos de datos en ambientes productivos.

Temario: 

1. Introducción
1.1 Básicos de Inferencia Bayesiana 1
1.2 Básicos de Inferencia Bayesiana 2

2. Cadenas de Markov vía Monte Carlo
2.1 Muestreadores Metrópolis
2.2 Muestreadores de Gibbs
2.3 Introducción a HMC y Stan
2.4 Introducción a modelos jerárquicos

3. Flujo de trabajo bayesiano I
3.1 Principios de construcción y crítica de modelos
3.2 Diseño experimental
3.3 Modelación 1
3.3.1 Construcción del modelo observacional
3.4 Modelación 2
3.4.1 Asignación de distribuciones iniciales
3.5 Análisis del ensemble conjunto 1
3.5.1 Distribuciones predictivas iniciales
3.5.2 Ajustes simulados
3.6 Análisis del ensemble conjunto 2
3.6.1 Calibración basada en simulación
3.6.2 Sensibilidad

4. Flujo de trabajo bayesiano II
4.1 Inferencia
4.2 Ajuste y evaluación
4.3 Análisis de la predictiva posterior

5. Modelos bayesianos en ambientes productivos

6. Casos de estudio
6.1 Caso 1
6.2 Caso 2



El programa de la Maestría en Ciencia de Datos es una iniciativa del ITAM para satisfacer la creciente demanda nacional e internacional de profesionistas con conocimientos sólidos en el modelado a partir de datos (en especial grandes datos) para ayudar a la toma de decisiones estratégicas.