El curso Ciencia de Datos para Políticas Públicas está diseñado para proveer entrenamiento y experiencia a los estudiantes en resolver problemas reales enfocados en políticas públicas y bienestar social, usando machine learning.

A lo largo de las clases, discusiones, lecturas y proyectos, los estudiantes aprenderán y experimentarán la construcción sistemas end-to-end de machine learning , empezando con la definición del proyecto y scoping, pasando por modelado, validación de campo y convertir el análisis en acción.

Durante el curso, estudiantes desarrollarán habilidades en formulación de problemas, trabajar con datos sucios, comunicar los resultados del sistema de machine learning con stakeholders no técnicos, discutirán sobre la interpretación del modelo, entenderán disparidades y bias algorítmico y como mitigar sus efectos, y evaluarán el impacto de los modelos puestos en producción.

Profesor

Adolfo De Unánue
Horas de oficina: Jue y Vie 12:00-13:15pm

Calendario tentativo

Date	Class	Tema
2020-01-25 Sat	1	Introducción al curso
2020-01-25 Sat	2	Project Scoping
2020-01-27 Mon	3	Casos de Estudio
2020-01-29 Wed	4	Adquisición de datos, Privacidad y Record Linkage
2020-02-03 Mon		Aniversario de la Constitución Mexicana
2020-02-10 Mon	5	Exploración de datos
2020-02-12 Wed	6	Pipeline de ML
2020-02-17 Mon	7	Formulación Analítica y la importancia del baseline
2020-02-17 Mon		Propuesta del proyecto, con scoping y estadística descriptiva
2020-02-19 Wed	8	Deep-dive
2020-02-24 Mon	9	Feature Engineering e Imputación
2020-02-24 Mon		Peer-reviews de tres propuestas de proyectos
2020-02-26 Wed	10	Deep-dive
2020-03-02 Mon	11	Escogiendo Métricas de desempeño y Evaluación de Clasificadores I
2020-03-02 Mon		Plan técnico de ML
2020-03-04 Wed	12	Deep-dive
2020-03-09 Mon	13	Escogiendo Métricas de desempeño y Evaluación de Clasificadores II
2020-03-11 Wed	14	Deep-dive
2020-03-16 Mon		Natalicio de Benito Juárez
2020-03-18 Wed	15	Overfitting, Leakage e Isssues in Deployment
2020-03-23 Mon	16	Model Interpretability I
2020-03-25 Wed		Lista detallada de features
2020-03-25 Wed	17	Deep-dive
2020-03-30 Mon	18	Model Interpretability II
2020-04-01 Wed	19	Deep-dive
2020-04-06 Mon–2020-04-10 Fri		Semana Santa
2020-04-13 Mon	20	Algorithmic Bias y Fairness I
2020-04-15 Wed	21	Deep-dive
2020-04-20 Mon	22	Algorithmic Bias y Fairness II
2020-04-22 Wed		Draft de la sección "propuesta de investigación"
2020-04-22 Wed	23	Deep-dive
2020-04-27 Mon	24	Causalidad y Field Validation
2020-04-29 Wed	25	Deep-dive
2020-05-04 Mon	26	From Analysis to Action, Accountability and Transparency
2020-05-06 Wed		Draft de la sección "diseño de prueba de campo"
2020-05-06 Wed	27	Deep-dive
2020-05-11 Mon	28	Presentación final
2020-05-18 Mon	29	Reporte final

- Las fechas de entrega de tarea se muestran en *cursiva*. Los días de asueto o descanso obligatorio en **negritas**. - Este calendario está sujeto a cambios