Modelos estadísticos predictivos usando inteligencia artificial. Aplicaciones en Agronomía y Salud
- Fecha 25 de abril de 2024
FECHA
5 y 12 de junio de 2024
MODALIDAD
Híbrida (presencial física o virtual sincrónica)
DURACIÓN
20 Horas
CRÉDITOS
Uno
LUGAR
Escuela para Graduados FCA
Plataforma Meet
EQUIPO DOCENTE
Ing. Agr. (Dra.) Cecilia Bruno.
Ing. Agr. (Dr.) Mariano Córdoba
Dr. Andreas Mayr (Universidad de Bonn, Alemania)
Ingenieros Agrónomos, Ingenieros Forestales, Biólogos, egresados de Ciencias Ambientales, Medicina, Biotecnología, Bioinformática, Inteligencia Artificial, Matemática, Física, Computación.
Objetivo General
- Ofrecer a los participantes un espacio para la discusión y generación de conocimientos que les permitan aplicar herramientas provenientes del aprendizaje automático para ajustar modelos de predicción.
Objetivos Específicos
• Reconocer problemas clásicos de análisis de regresión lineal bajo el marco teórico del modelo lineal general, del modelo lineal mixto y de la incorporación de algoritmos de aprendizaje automático.
• Vincular la estructura de los datos con los distintos términos de los modelos lineales.
• Interpretar el significado de las estimaciones y pruebas de hipótesis asociadas.
• Comunicar resultados científicos con la terminología estadística apropiada.
• Utilizar el software estadístico R para modelación estadística.
• Desarrollar destrezas en la formulación y aplicación de modelos y métodos estadísticos mediante el análisis colaborativo de casos problemáticos y la exposición dialogada sobre diferentes aproximaciones estadísticas e interpretaciones de cada análisis.
Modelos de Predicción
Introducción a los modelos de predicción. Construcción de modelos predictivos. Selección de variables regresoras. Validación de un modelo de predicción. La diferencia entre un modelo estadístico y un algoritmo de aprendizaje en la predicción.
Estadística Boosting
El concepto de boosting en aprendizaje automático. Estructura modular: funciones de pérdida.
Datos de alta dimensión
Selección de variables en un contexto de alta dimensión. Penalización por el método lasso. Desafíos de la validación de modelos.
Regresión distribucional
Regresión cuantílica, modelos aditivos generalizados por ambiente, escala y forma (Generalized additive models for location, scale and shape-GAMLSS).
miércoles 5 y miércoles 12 de junio de 9 a 17:00 h
Examen: 19 de junio
Descarga y completa la solicitud de Inscripción Curso y luego enviar a posgrado@agro.unc.edu.ar
Aguardar confirmación de cupo.
Docentes FCA & UNC, profesionales o becarios contemplados en Ordenanza 02/09 o RHCD 792/2019, deberán enviar resoluciones que acrediten su situación de revista.
Ing. Agr. (Dra.) Cecilia Bruno.
Ing. Agr. (Dr.) Mariano Córdoba.
Dr. Andreas Mayr (Universidad de Bonn, Alemania)
Mayr A, Binder H, Gefeller O, Schmid M. 2014. The evolution of boosting algorithms. From machine learning to statistical modelling. Methods Inf Med. 53(6):419-27. doi: 10.3414/ME13-01-0122. Epub 2014 Aug 12. PMID: 25112367.
Mayr A. and Hofner B. 2018. Boosting for statistical modelling: A non-technical introduction. Statistical Modelling. 18(3-4):365-384.
Siguiente publicación
Docentes de la Facultad debatieron sobre “Una nueva mirada a las áreas de consolidación”
También te puede interesar
Herramientas para la comunicación escrita y oral de resultados de investigación en inglés
FECHA 14 de agosto al 25 de septiembre de 2024 MODALIDAD Presencial física DURACIÓN 30 Horas CRÉDITOS Uno y medio LUGAR Escuela para Graduados FCA EQUIPO DOCENTE Mgtr. Prof. Andrea K. BelmonteMgtr. Prof. María Florencia …
Fertilidad de suelos
FECHA 4, 18 y 25 de octubre1º, 8 y 15 de noviembre de 2024 MODALIDAD Virtual sincrónica DURACIÓN 40 Horas CRÉDITOS Dos LUGAR Plataforma Meet Campus virtual FCA EQUIPO DOCENTE Ing. Agr. Dr. Omar Bachmeier …
Ecofisiología de los cultivos
FECHA 28, 29 y 30 de noviembre5, 6 y 7 de diciembre de 2024 MODALIDAD virtual sincrónica DURACIÓN 60 Horas CRÉDITOS Tres PLATAFORMA Meet para las videoconferencias EQUIPO DOCENTE Dr. Diego Ortiz Dra. Constanza Soledad Carrera …