🎓 Certificado Final

📝 Resumen del curso completo

• Regularización: Lasso, Ridge, Elastic Net para selección de variables con p grande
• Post-Lasso: Corrige el sesgo de selección del Lasso para inferencia válida
• DML: Double Machine Learning usa Neyman orthogonality + cross-fitting
• Causal Forest: Estima CATE (efectos heterogéneos del tratamiento) con GRF
• Random Forest & Boosting: Bagging, RF, Gradient Boosting, XGBoost para predicción
• SVM: Clasificación con kernel trick para fronteras no lineales
• Text as Data: BoW, TF-IDF, sentiment y stance detection con texto
• Embeddings: Word2Vec, GloVe, BERT contextual y LDA/STM para tópicos latentes
• Alta Dimensión: Bonferroni, FDR, knockoffs y debiased Lasso para p ≫ n
• Validación Cruzada: K-fold, nested CV, Grid/Random Search, AIC/BIC