SeminarioInteligencia artificial y datos
Estadística con Python para IA
El seminario Estadística con Python para IA proporciona al estudiante la estadística y la probabilidad que sustentan el aprendizaje automático, aplicadas con NumPy, pandas, SciPy y statsmodels: descriptivos, distribuciones, teorema de Bayes, pruebas de hipótesis, pruebas A/B y regresión. Le permite entender, evaluar y comunicar correctamente modelos de IA y los resultados de análisis de datos.
A quién va dirigido
Estudiantes y profesionales con Python básico que se preparan para ciencia de datos o IA.
Objetivos
✓Comprender las medidas de tendencia central, dispersión y correlación calculadas con NumPy y pandas.
✓Analizar distribuciones y valores atípicos con visualizaciones y simulación con NumPy.
✓Aplicar probabilidad condicional, teorema de Bayes y teorema del límite central a problemas de clasificación.
✓Diseñar pruebas t, chi cuadrado, ANOVA y A/B con SciPy interpretando valor p y tamaño del efecto.
✓Evaluar modelos de regresión lineal múltiple y logística con statsmodels mediante supuestos y diagnóstico.
Plan de estudios por sesión
1
Estadística descriptiva con PythonMedidas de tendencia central y dispersión con NumPy y pandas · Visualización de distribuciones
2
Distribuciones y valores atípicosCorrelación · Valores atípicos
3
Probabilidad y BayesProbabilidad condicional y Bayes · Distribuciones binomial, Poisson y normal
4
Simulación y límite centralSimulación con NumPy · Teorema del límite central
5
Estimación y pruebas de hipótesisIntervalos de confianza · Pruebas t, chi cuadrado y ANOVA con SciPy
6
Significancia y pruebas A/BValor p y tamaño del efecto · Pruebas A/B
7
Regresión lineal y diagnósticoRegresión lineal múltiple con statsmodels · Supuestos y diagnóstico
8
Presentación del proyecto final: análisis estadístico en PythonRegresión logística · Proyecto de análisis
Evaluación
Inicial30%Cuaderno con estadísticas descriptivas, visualización de distribuciones y detección de valores atípicos en un conjunto real.
Intermedio30%Simulación de distribuciones y del teorema del límite central; pruebas de hipótesis e intervalos de confianza con SciPy.
Final40%Proyecto final: análisis estadístico completo en Python de datos reales con pruebas de hipótesis, regresión interpretada y sustentación.
Proyecto final
Análisis estadístico completo en Python de un conjunto de datos real, con pruebas de hipótesis y modelo de regresión interpretado.