Probabilistic & Bayesian ML + Causal Inference

Qué dominarás.

Objetivo de aprendizaje: Razonar con incertidumbre y causalidad: inferencia Bayesiana, modelos probabilísticos, cuantificación de incertidumbre e inferencia causal · el rigor que distingue a un programa serio de un catálogo de recetas.

• Estadística e inferencia: MLE/MAP, sesgo-varianza, pruebas de hipótesis y sus trampas
• Estadística Bayesiana: priors/posteriors, MCMC y Hamiltonian MC (PyMC/Stan)
• Cuantificación de incertidumbre: conformal prediction, quantile regression y calibración
• Inferencia causal: DAGs, do-calculus, propensity, diff-in-diff y uplift/causal ML