BIT — Business Innovation Technology BIT — Business Innovation Technology BIT
  • Inicio
  • Estadística
  • Machine Learning
  • Deep Learning
  • Big Data
  • MLOps
  • IoT y AIoT

Estadística y Fundamentos

Regresión, regularización, evaluación de modelos, remuestreo (bootstrap), suavización, modelos lineales generalizados (GLM), variables latentes y datos dependientes — estadística aplicada explicada paso a paso.

Análisis Avanzado de Datos — 1. Regresión lineal

Regresión lineal simple y múltiple: la fórmula cerrada, la forma matricial, interpretación de coeficientes y residuales, con ejercicios guiados en scikit-learn.

Aug 28, 2026
Wilder Ramírez Delgado

Análisis Avanzado de Datos — 1. Regresión Lineal Múltiple

Guía completa de análisis multivariado: supuestos de la regresión múltiple, multicolinealidad y VIF, cuándo regularizar y cómo diagnosticar los residuos paso a paso.

Aug 27, 2026
Wilder Ramírez Delgado

Análisis Avanzado de Datos — 1. Regresión y regularización (Ridge y Lasso)

Por qué la regresión lineal se queda corta ante el sobreajuste, y cómo Ridge (L2) y Lasso (L1) equilibran sesgo y varianza, con comparación visual entre los tres enfoques.

Aug 26, 2026
Wilder Ramírez Delgado
No matching items

© 2026 BIT — Business Innovation Technology · Calle 147 No. 93-09, apto 503, Bogotá, Colombia
Autor: Wilder Ramírez Delgado · info@biitt.com