Filtrar
× Clases (24)
Examen
64
Andrés Fernández Vergara 22 Dic 202122/12/21 a las 08:56 hrs.2021-12-22 08:56:22 Clases
Estimados/as,
Ya pueden ingresar al examen haciendo click en el siguiente enlace:
https://uchiledii.qualtrics.com/jfe/form/SV_6molNNExq4QJfHo
A las 9:15 y a las 10:30 abriré una sesión de consultas por si hubiesen dudas de enunciado. Recuerden que tienen hasta las 12 para enviar las respuestas.
Saludos, y éxito!
Ya pueden ingresar al examen haciendo click en el siguiente enlace:
https://uchiledii.qualtrics.com/jfe/form/SV_6molNNExq4QJfHo
A las 9:15 y a las 10:30 abriré una sesión de consultas por si hubiesen dudas de enunciado. Recuerden que tienen hasta las 12 para enviar las respuestas.
Saludos, y éxito!
Sobre el Examen II
59
Andrés Fernández Vergara 21 Dic 202121/12/21 a las 17:24 hrs.2021-12-21 17:24:21 Clases
Estimados/as,
El examen de mañana miércoles 22 es "sincrónico", esto es, deben rendirlo entre las 09 y las 12 de la mañana. La modalidad es la siguiente:
Deben ingresar al siguiente enlace:
https://uchiledii.qualtrics.com/jfe/form/SV_6molNNExq4QJfHo
y deberán escoger su nombre de la lista. Una vez que presionen en "siguiente", se iniciará esa sesión con su nombre y podrán navegar por el examen. Podrán avanzar y retroceder respondiendo las preguntas (primero, Verdadero/Falso, luego, desarrollo). Una vez estén seguros/as de sus respuestas, enviarán la información como una encuesta y saldrá un mensaje de confirmación de recepción.
Si están desarrollando el examen y cierran por equivocación el navegador, al volver a ingresar volverán a la misma sesión (siempre y cuando estén en el mismo dispositivo y NO en ventanas incógnitas). Luego de enviar las respuestas, no podrán volver a revisarlas. Si luego de enviar sus respuestas, vuelven a ingresar al enlace, se mostrará toda la encuesta de nuevo en blanco. No deben preocuparse, una vez enviadas las respuestas estas quedarán registradas.
Cualquier consulta, pueden escribirme.
Saludos,
El examen de mañana miércoles 22 es "sincrónico", esto es, deben rendirlo entre las 09 y las 12 de la mañana. La modalidad es la siguiente:
Deben ingresar al siguiente enlace:
https://uchiledii.qualtrics.com/jfe/form/SV_6molNNExq4QJfHo
y deberán escoger su nombre de la lista. Una vez que presionen en "siguiente", se iniciará esa sesión con su nombre y podrán navegar por el examen. Podrán avanzar y retroceder respondiendo las preguntas (primero, Verdadero/Falso, luego, desarrollo). Una vez estén seguros/as de sus respuestas, enviarán la información como una encuesta y saldrá un mensaje de confirmación de recepción.
Si están desarrollando el examen y cierran por equivocación el navegador, al volver a ingresar volverán a la misma sesión (siempre y cuando estén en el mismo dispositivo y NO en ventanas incógnitas). Luego de enviar las respuestas, no podrán volver a revisarlas. Si luego de enviar sus respuestas, vuelven a ingresar al enlace, se mostrará toda la encuesta de nuevo en blanco. No deben preocuparse, una vez enviadas las respuestas estas quedarán registradas.
Cualquier consulta, pueden escribirme.
Saludos,
Sobre el Examen
66
Andrés Fernández Vergara 15 Dic 202115/12/21 a las 13:51 hrs.2021-12-15 13:51:15 Clases
Hola estimados y estimadas, espero que se encuentren bien, y con salud.
El examen del curso está fijado para el día miércoles 22 de diciembre 09 y 12 hrs. Ese horario será el utilizado para responder a la evaluación. Sin embargo, realizaremos una evaluación que está pensada para responderse en 1:30 hrs. Es decir, el tiempo establecido para resolver la evaluación debería ser suficiente.
El examen consistirá en dos secciones, una primera parte de "verdadero o falso", y una segunda parte de desarrollo. La parte de desarrollo consiste en leer un caso e ir respondiendo a preguntas sobre el mismo, particularmente sobre discusión de supuestos, lectura de tablas, interpretación de resultados y conclusión respecto a lo analizado en el caso. Para hacerse una idea más concreta, les sugiero ver la clase sincrónica de Diferencia en Diferencias, donde se trabajó una pregunta de desarrollo del examen del semestre pasado. La materia a evaluar será condiciones experimentales (sesgo de selección, aleatorización, ATE, ITT, CACE) y métodos cuasi experimentales (Variables Instrumentales, Dif-in-Dif, RD, sus supuestos, interpretaciones y estimaciones). La materia de Inferencia Causal en Machine Learning se evaluará sólo en las afirmaciones de "verdadero o falso".
Quienes se eximan, pueden de todas formas optar a rendir el examen, en cuyo caso la nota se contabilizará sólo en la situación de que mejore su nota global.
Como mencioné, para aprobar el curso, se necesita que tanto las notas grupales e individuales sean iguales o mayores a 4,0. La nota grupal se calcula con el promedio de ambas Tareas. La nota individual se calcula como 60% laboratorios y 40% examen. La nota de participación será un beneficio sólo para el cálculo de las notas finales del curso (no ayuda ni a la eximición ni a la aprobación). La nota final del curso consiste en un 70% de la nota individual y 30% de la nota grupal..
Si al finalizar el cálculo de ambas notas, algún/a estudiante tiene una de las dos notas (grupales o individuales) entre 3,7 (inclusive) y 4,0; puede acceder a una evaluación recuperativa. La fecha de dicha evaluación queda por ajustar dependiendo de la disponibilidad de lo/as estudiantes que deban rendirla.
Mucho éxito en el cierre de semestre
Quedo atento a si existe alguna duda sobre el cierre del curso; por favor escríbanme si es así.
Saludos,
El examen del curso está fijado para el día miércoles 22 de diciembre 09 y 12 hrs. Ese horario será el utilizado para responder a la evaluación. Sin embargo, realizaremos una evaluación que está pensada para responderse en 1:30 hrs. Es decir, el tiempo establecido para resolver la evaluación debería ser suficiente.
El examen consistirá en dos secciones, una primera parte de "verdadero o falso", y una segunda parte de desarrollo. La parte de desarrollo consiste en leer un caso e ir respondiendo a preguntas sobre el mismo, particularmente sobre discusión de supuestos, lectura de tablas, interpretación de resultados y conclusión respecto a lo analizado en el caso. Para hacerse una idea más concreta, les sugiero ver la clase sincrónica de Diferencia en Diferencias, donde se trabajó una pregunta de desarrollo del examen del semestre pasado. La materia a evaluar será condiciones experimentales (sesgo de selección, aleatorización, ATE, ITT, CACE) y métodos cuasi experimentales (Variables Instrumentales, Dif-in-Dif, RD, sus supuestos, interpretaciones y estimaciones). La materia de Inferencia Causal en Machine Learning se evaluará sólo en las afirmaciones de "verdadero o falso".
Quienes se eximan, pueden de todas formas optar a rendir el examen, en cuyo caso la nota se contabilizará sólo en la situación de que mejore su nota global.
Como mencioné, para aprobar el curso, se necesita que tanto las notas grupales e individuales sean iguales o mayores a 4,0. La nota grupal se calcula con el promedio de ambas Tareas. La nota individual se calcula como 60% laboratorios y 40% examen. La nota de participación será un beneficio sólo para el cálculo de las notas finales del curso (no ayuda ni a la eximición ni a la aprobación). La nota final del curso consiste en un 70% de la nota individual y 30% de la nota grupal..
Si al finalizar el cálculo de ambas notas, algún/a estudiante tiene una de las dos notas (grupales o individuales) entre 3,7 (inclusive) y 4,0; puede acceder a una evaluación recuperativa. La fecha de dicha evaluación queda por ajustar dependiendo de la disponibilidad de lo/as estudiantes que deban rendirla.
Mucho éxito en el cierre de semestre
Quedo atento a si existe alguna duda sobre el cierre del curso; por favor escríbanme si es así.
Saludos,
Clase de mañana viernes 03 suspendida y Examen
51
Andrés Fernández Vergara 2 Dic 202102/12/21 a las 13:26 hrs.2021-12-02 13:26:02 Clases
Estimadas y estimados,
Por razones de fuerza mayor tendré que cancelar la clase sincrónica de mañana viernes 03 de diciembre.
Esta última era la cátedra sobre Causal Random Forest, materia que pudieron ver en los videos y en el Tutorial de Datos. Si se quedaron con alguna consulta sobre la materia, por favor escríbanme.
Con esto damos por finalizadas las clases del curso! :)
Sólo queda entregar (hoy a las 18 hrs) la Tarea 2 y el examen, que ya tiene fecha: miércoles 22 de diciembre de 09 a 12. Ya subiré más instrucciones sobre esto.
Ya están arriba las cuatro notas de Laboratorio. Según las reglas del curso:
- Quienes tengan nota de laboratorios igual o mayor a 5,5 podrán acceder a la eximición del examen.
- Para aprobar el curso, se necesita que tanto las notas grupales e individuales sean iguales o mayores a 4,0.
> La nota grupal se calcula con el promedio de ambas Tareas
> La nota individual se calcula como 60% laboratorios y 40% examen
> La nota de participación será un beneficio sólo para el cálculo de las notas finales del curso (no ayuda ni a la eximición ni a la aprobación)
Si queda alguna duda sobre este tema, por favor me escriben.
Saludos,
Última semana - EOL
51
Andrés Fernández Vergara 29 Nov 202129/11/21 a las 09:49 hrs.2021-11-29 09:49:29 Clases
Estimadas y estimados,
Siguiendo el Calendario del curso, esta última semana también corresponde modalidad "EOL" (que se extenderá en plazos), por lo que hoy lunes no tendremos clase sincrónica, sino que nos veremos el día viernes a las 12.
Los videos para esta semana son los últimos de la modalidad EOL, lo que corrresponde a la materia de Causal Random Forest. Para esto pueden apoyarse en el Material Docente correspondiente.
Además, también esta semana hay un "Tutorial de Datos" en el enlace: https://inferenciacausal.github.io/ (pestaña de Heterogeneidad) y por favor respondan el enlace de lecturas para darnos sus comentarios.
Cualquier duda, me escriben!
Saludos,
Siguiendo el Calendario del curso, esta última semana también corresponde modalidad "EOL" (que se extenderá en plazos), por lo que hoy lunes no tendremos clase sincrónica, sino que nos veremos el día viernes a las 12.
Los videos para esta semana son los últimos de la modalidad EOL, lo que corrresponde a la materia de Causal Random Forest. Para esto pueden apoyarse en el Material Docente correspondiente.
Además, también esta semana hay un "Tutorial de Datos" en el enlace: https://inferenciacausal.github.io/ (pestaña de Heterogeneidad) y por favor respondan el enlace de lecturas para darnos sus comentarios.
Cualquier duda, me escriben!
Saludos,
Clase de hoy parte con retraso
45
Andrés Fernández Vergara 26 Nov 202126/11/21 a las 11:47 hrs.2021-11-26 11:47:26 Clases
Estimadas y estimados, lamentablemente presento un atraso con otras actividades. Empezaremos a las 12:20.
Les pido disculpas!
Les pido disculpas!
Clase de hoy lunes en EOL
50
Andrés Fernández Vergara 22 Nov 202122/11/21 a las 10:14 hrs.2021-11-22 10:14:22 Clases
Estimadas y estimados,
Siguiendo el Calendario del curso, esta semana corresponde modalidad "EOL", por lo que hoy lunes no tendremos clase sincrónica, sino que nos veremos el día viernes a las 12.
Los videos para esta semana corresponden son 5.1.3, 5.1.4, y 5.1.5, lo que corrresponde a la materia de Árboles de Decisiones, y luego los videos 5.1.6, 5.1.7 y 5.1.8 que muestran la introducción a los bosques aleatorios (Random Forests). Para esto pueden apoyarse en el Material Docente "L10 - Classification and Regression Trees (CART)" y en "L11 - Bagging, Random Forests and Causal Random Forests".
Además, como lectura para esta semana está el "Tutorial de Datos" en el enlace: https://inferenciacausal.github.io/ (pestaña CART) y por favor respondan el enlace de lecturas para darnos sus comentarios.
Cualquier duda, me escriben!
Saludos,
Siguiendo el Calendario del curso, esta semana corresponde modalidad "EOL", por lo que hoy lunes no tendremos clase sincrónica, sino que nos veremos el día viernes a las 12.
Los videos para esta semana corresponden son 5.1.3, 5.1.4, y 5.1.5, lo que corrresponde a la materia de Árboles de Decisiones, y luego los videos 5.1.6, 5.1.7 y 5.1.8 que muestran la introducción a los bosques aleatorios (Random Forests). Para esto pueden apoyarse en el Material Docente "L10 - Classification and Regression Trees (CART)" y en "L11 - Bagging, Random Forests and Causal Random Forests".
Además, como lectura para esta semana está el "Tutorial de Datos" en el enlace: https://inferenciacausal.github.io/ (pestaña CART) y por favor respondan el enlace de lecturas para darnos sus comentarios.
Cualquier duda, me escriben!
Saludos,
Clase viernes 19/11
43
Andrés Fernández Vergara 18 Nov 202118/11/21 a las 20:43 hrs.2021-11-18 20:43:18 Clases
Queridxs, espero que estén bien.
Mañana tendremos la clase de introducción al Machine Learning, comenzando a conversar de conceptos asociados a este tipo de procesos y cómo difieren de la inferencia causal que hemos estado trabajando hasta ahora.
Para ello, miren los videos 5.1.1 y 5.1.2 apoyados por el material docente "L09 - ML intro and evaluation".
Recuerden mirar la Tarea 2 y consultar si tienen dudas.
Saludos, y nos vemos
Mañana tendremos la clase de introducción al Machine Learning, comenzando a conversar de conceptos asociados a este tipo de procesos y cómo difieren de la inferencia causal que hemos estado trabajando hasta ahora.
Para ello, miren los videos 5.1.1 y 5.1.2 apoyados por el material docente "L09 - ML intro and evaluation".
Recuerden mirar la Tarea 2 y consultar si tienen dudas.
Saludos, y nos vemos
Clase lunes 15/11
55
Andrés Fernández Vergara 14 Nov 202114/11/21 a las 20:58 hrs.2021-11-14 20:58:14 Clases
Estimadas y estimados,
Mañana conversaremos sobre el "Matching" (o Emparejamiento, en castellano), que además de ser un complemento importante en algunos casos de estimación no experimental, es una puerta de entrada conceptual al Machine Learning. El supuesto de "independencia condicional" es clave para esto.
Les pido entonces vean los videos 4.5.1 y 4.5.2. También hay un Quiz de finalización de la Unidad para que lo respondan (no tiene implicancias con la nota de participación, es sólo preguntas de orientación). Pueden apoyarse con el material docente "L08 - Matching and conditional independence".
Recuerden que el martes hay laboratorio.
Saludos,
Mañana conversaremos sobre el "Matching" (o Emparejamiento, en castellano), que además de ser un complemento importante en algunos casos de estimación no experimental, es una puerta de entrada conceptual al Machine Learning. El supuesto de "independencia condicional" es clave para esto.
Les pido entonces vean los videos 4.5.1 y 4.5.2. También hay un Quiz de finalización de la Unidad para que lo respondan (no tiene implicancias con la nota de participación, es sólo preguntas de orientación). Pueden apoyarse con el material docente "L08 - Matching and conditional independence".
Recuerden que el martes hay laboratorio.
Saludos,
Clase viernes 12/11, Tarea 2 y Lab 4
56
Andrés Fernández Vergara 11 Nov 202111/11/21 a las 15:58 hrs.2021-11-11 15:58:11 Clases
Estimadas y estimados,
Este viernes conversaremos sobre los chequeos de robustez, por lo que les pido puedan mirar los videos 4.4.4 y 4.4.5, apoyándose del material docente "L07 - Robustness Checks". Nos vemos a las 12:45 de mañana.
Además les comento que Catalina y Gonzalo, del equipo docente, están a cargo de la Tarea 2, que fue subida el día de ayer. Por favor les pido que dediquen unos minutos al menos a LEER la tarea, para planificarse como grupo. Recuerden que esta tarea se entrega el jueves 02 de diciembre a las 18 hrs.
Finalmente, les comento que el día martes 16/11 tendremos el último Laboratorio, N°4, donde evaluaremos el estimador de Regresión Discontinua.
Saludos,
Este viernes conversaremos sobre los chequeos de robustez, por lo que les pido puedan mirar los videos 4.4.4 y 4.4.5, apoyándose del material docente "L07 - Robustness Checks". Nos vemos a las 12:45 de mañana.
Además les comento que Catalina y Gonzalo, del equipo docente, están a cargo de la Tarea 2, que fue subida el día de ayer. Por favor les pido que dediquen unos minutos al menos a LEER la tarea, para planificarse como grupo. Recuerden que esta tarea se entrega el jueves 02 de diciembre a las 18 hrs.
Finalmente, les comento que el día martes 16/11 tendremos el último Laboratorio, N°4, donde evaluaremos el estimador de Regresión Discontinua.
Saludos,
