Fundamentos de estadística y aprendizaje clásico

Qué son

Cuatro trabajos de la parte estadística del doble grado, cada uno sobre una familia distinta de problema:

Clasificación supervisada. Comparar algoritmos de clasificación y justificar la elección por su comportamiento, no por su popularidad.

Segmentación no supervisada. Agrupar una encuesta real de intención de voto publicada en noviembre de 2023. Lo interesante no es el algoritmo, es que cada grupo tiene que ser explicable: una partición coherente según la métrica y sin sentido político no vale.

Regresión. Predecir el precio de una vivienda y analizar qué variables cargan el poder explicativo.

Análisis multivariante en R. Estudiar normalidad, outliers y estructura latente sobre una base de datos de vivienda, aplicando componentes principales y análisis factorial.

Por qué los pongo

Porque son los cimientos, y un portfolio de ciencia de datos que sólo enseña redes neuronales y agentes de voz está contando la mitad de la historia.

Todo lo que hago después se apoya en esto: saber si una variable es normal, por qué la correlación no implica estructura, qué significa que un componente explique el 60 % de la varianza, y por qué un valor atípico puede arruinar un modelo entrenado con un error cuadrático.

Lo que no son

No son proyectos con usuario. Son entregables académicos con su enunciado, su plazo y su informe, y lo digo en la propia ficha porque un recruiter que los abra va a ver un PDF y una lista de columnas.

Uno de ellos ni siquiera es código: son flujos visuales de KNIME. Es una herramienta legítima en analítica y es un entregable que no se puede revisar leyendo, lo cual es exactamente el motivo por el que prefiero notebooks cuando tengo elección.