Maestría en Ciencia de Datos
Segundo Bloque: Otoño

Modelación en
Ciencia de Datos

Objetivos:

  • Plantear problemas de Ciencia de Datos en Políticas Públicas
  • Entender el proceso completo de Ciencia de Datos y Machine Learning
  • Reconocer y resolver problemas de Resource prioritization y Early Warning Systems
  • Reconocer y resolver problemas usando métodos causales
  • Comunicar los resultados de los modelos
  • Evaluar el desempeño e impacto de los modelos de machine learning
  • Evaluarán y propondrán soluciones para los problemas de disparidad y bias algorítmico.

Temario: 

  1. Introducción y scoping del proyecto
  2. Casos de estudio y adquisición de datos
  3. Exploración de datos y repaso de pipelines de ML
  4. Formulación analítica y la importancia del Baseline
  5. Feature Engineering e Imputación
  6. Elección de métrica de performance y evaluación de clasificadores
  7. Overfitting , Leakage , y Problemas en deployment
  8. Model Interpretability
  9. Algorithmic Bias y Fairness
  10. Causalidad y Field Validation
  11. Del Análisis a la Acción, Accountability y Transparencia



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.