Economía - Monográfico

URI permanente para esta colecciónhttp://hdl.handle.net/10906/2367

Examinar

Mostrando 1 - 6 de 6

Empezando a visualizar datos con R y ggplot2 (segunda edición).
(Universidad Icesi, 2023-08-31) Alonso Cifuentes, Julio César; Largo, Maria Fernanda; Largo, Maria Fernanda
Si estás leyendo este libro, ya haces parte de la comunidad que emplea R para analizar datos. Esta obra tiene como objetivo presentar una primera aproximación a visualizar datos con el paquete ggplot2 (Wickham, 2016) de R (R Core Team, 2018). Este paquete permite visualizar rápidamente e intuitivamente datos en R empleando una gramática estándar. Si eres nuevo en el universo de R o en el uso del paquete ggplot2, este libro será un buen punto de arranque. Si ya eres usuario de ggplot2, te recomendamos revisar los Capítulos 8 y 9, donde encontrarás material más avanzado. Aquí se recoge nuestra experiencia trabajando con R y ggplot2 para resolver problemas con datos desde el CIENFI (Centro de Investigación en Economía y Finanzas) de la Universidad Icesi. En el CIENFI, empleamos R para la transformación de datos en conclusiones que faciliten la toma de decisiones en organizaciones privadas y públicas. Toda esta experiencia la queremos plasmar en esta obra para asegurar que nuevas generaciones de profesionales continúen fortaleciendo la comunidad de R alrededor del mundo. Este libro también refleja la evolución del paquete y conocimiento que hemos recogido en el CIENFI desde la primera guía introductoria al paquete publicada en 2012 (Alonso y González, 2012). Los comentarios de sus lectores y estudiantes nos han motivado para escribir este libro. Este es el tercero de una serie de libros introductorios al uso de R. El primer libro (Alonso y Ocampo, 2022) presenta una breve introducción para iniciar a usar R. En él se enseña cómo instalar R, la interfaz RStudio y paquetes, cómo cargar diferentes bases de datos y cómo realizar operaciones aritméticas y lógicas con objetos. También se discuten las clases esenciales de objetos sencillos y compuestos. No dudes en consultar ese primer libro si aún no has iniciado tu camino por el universo de R.
Guía de buenas prácticas para la mitigación del riesgo de modelo de analítica.
(Universidad Icesi, 2021-04-01) Alonso Cifuentes, Julio César; Quintero Villarreal, Lina Marcela
Las decisiones estratégicas de negocio han sido tomadas históricamente por los encargados de velar por los intereses de las empresas. Con la posibilidad de acceder a grandes volúmenes de datos, y con el desarrollo de nuevas técnicas de estadística y aprendizaje automático (Machine Learning), esta responsabilidad ha venido siendo delegada progresivamente a modelos diseñados para tal labor, con el fin de evitar el riesgo humano de equivocarse a causa de los sesgos, prejuicios y opiniones subjetivas de los tomadores de decisiones tradicionales, fundamentándose ahora en hechos objetivos inherentes a los datos operacionales de cada empresa, pero incurriendo entonces en un nuevo riesgo: que el modelo matemático delegado no logre elegir la mejor alternativa posible, o ni siquiera una adecuada [Javier Gustavo Díaz Cely].
Introducción a la detección de anomalías empleando R
(Universidad Icesi, 2025-10-01) Alonso Cifuentes, Julio César; Serrano Izquierdo, Estefenía
La tarea de detección de anomalías tiene como finalidad encontrar al individuo (observación) que se comporta de manera diferente a los demás. En otras palabras, se emplea para encontrar aquel caso que no sigue el patrón de las otras observaciones. En el mundo del business analytics nos enfrentamos a preguntas de negocios que implican identificar lo inesperado, lo excepcional, lo que se desvía de lo habitual. Este desafío es fundamental en muchas áreas de las organizaciones: por ejemplo, en la planta de producción se desea detectar el producto anómalo y en el área contable se desea encontrar fraudes. La identificación de lo inesperado, lo excepcional, lo que se desvía de lo habitual, se conoce como la tarea de detección de anomalías.
Una introducción a los modelos de Clasificación empleando R
(Universidad Icesi, 2025-03-01) Alonso Cifuentes, Julio César; Hoyos Bermeo, Cristian Camilo
Este libro presenta una introducción a los modelos estadísticos y de aprendizaje de máquina que permiten realizar la tarea de clasificación. La discusión de los diferentes capítulos está dirigida a personas que están empezando su formación de científico de datos. Esta obra recoge nuestra experiencia trabajando con R y los modelos de clasificación para resolver problemas con datos desde el Centro de Investigación en Economía y Finanzas (Cienfi) de la Universidad Icesi, y transformar estos datos en conclusiones que faciliten la toma de decisiones en organizaciones privadas y públicas.
Introducción al modelo clásico de regresión para científicos de datos en R
(Universidad Icesi, 2024-04-15) Alonso Cifuentes, Julio César; Alonso Cifuentes, Julio César
En la práctica es común encontrarse con científicos de datos que emplean el modelo de regresión múltiple para resolver preguntas de negocio. Si bien es popular ese uso, es poco frecuente observar en la práctica el chequeo de todos los supuestos que están detrás de este modelo y que hacen que éste pueda generar respuestas adecuadas. El objetivo de este libro es presentar el modelo estadístico clásico de regresión múltiple con toda la formalidad posible a los científicos de datos. Para lograr este objetivo se presenta una mezcla entre los fundamentos (estadísticos y de álgebra lineal) teóricos del modelo y cómo llevarlo a la práctica empleando R.
Una introducción a los modelos de Clústering empleando R
(Universidad Icesi, 2025-03-01) Alonso C., Julio César; Hoyos B., Cristian Camilo; Largo L., María Fernanda
Este libro es una introducción clara y accesible a los modelos estadísticos y de aprendizaje de máquina aplicados al clustering. Dirigido a quienes inician su formación como científicos de datos, ofrece una guía esencial para entender cómo identificar y agrupar elementos similares, manteniendo la mayor diferencia posible entre los grupos, también llamados conglomerados, clases o clústeres. Estas técnicas no solo pueden responder preguntas de negocio por sí solas, sino que también son clave en la exploración de datos antes de desarrollar modelos complejos y probar hipótesis. A lo largo del libro, descubrirás cómo construir y analizar estos grupos con aplicaciones prácticas y enfoques fundamentales.

Examinar

Examinando Economía - Monográfico por Materia "Big Data Analytics"