Introducción 

• Estadística para Data Science. Aplicaciones de estadística descriptiva y de estadística inferencial. 
• Repaso de estadística descriptiva y análisis exploratorio de datos. 

 Estadística inferencial 

• Distribuciones muestrales. Prueba de normalidad y teorema del límite central. Tipos de distribución. 
• Margen de error y nivel de confianza. Interpretación de «Alpha» y «P-Value». 
• Pruebas de Hipótesis. 

 Features engineering 

• Taller: Selección de variables basada en prueba de hipótesis y nivel de significancia. 
• Taller: Análisis de impacto de la imputación de missing y outliers en el modelamiento. 
• Taller: Análisis de impacto del Binning de variables categóricas y numéricas en el modelamiento. 
• Taller: Análisis de impacto de las técnicas normalization, standarization y encoding de variables en el modelamiento. 
• Taller: Reducción dimensional de amplios dataset mediante análisis de componentes principales (PCA).