Los negocios comúnmente involucran complicados problemas de optimización para la toma de decisiones. En este curso hablaremos de dos aspectos fundamentales para mejorar la calidad de nuestras decisiones: el forecasting y la detección de outliers.

​

1. El curso busca preparar a los estudiantes en las siguientes habilidades:

2. Interpretar e implementar regresiones lineales y robustas.

3. Estudiar el significado y la importancia de los outliers en problemas de toma de decisiones, así como detectar su presencia mediante un algoritmo.

4. Un manejo sólido de las herramientas en Python para

5. Forecasting y outliers para la optimización en la toma de decisiones

6.  realizar predicciones y detectar outliers.

​

Mediante un algoritmo buscamos predecir los tiempos de reacción de los servicios de emergencia en la ciudad de París, así como estrategias que permitan optimizar este complicado proceso. Este problema es similar al que se enfrentan los analistas en el mundo de los negocios, por ejemplo cuando deben decidir velozmente entre dos estrategias.

​

​

Temario

​

1. Introducción al curso (60 minutos)

2. Regresión en Python (60 minutos)

3. Regresiones y anomalías gaussianas (120 minutos)

4. Anomalías en Python (120 minutos)

5. Dudas y discusión (60 minutos)

6. Complementos (120 minutos)

​