Introducción al Análisis de Supervivencia con Python
Aceptada
Predecir cuándo va a ocurrir un evento determinado se ha vuelto un requerimiento muy común en la industria, donde surgen preguntas del estilo: “¿cuánto tiempo funcionará un equipo hasta que presente una falla?”, “¿En cuanto tiempo un usuario dará de baja su suscripción (churn)?”, “¿Cuánto sobrevivirá un paciente luego de ser diagnosticado con una enfermedad?”. Estas interrogantes pueden ser abordadas con Análisis de Supervivencia. En esta charla estaremos explicando los conceptos relacionados a esta técnica y cómo generar respuestas con Python.
Tipo: Charla estandard, 25 minutos
Nivel: Principiante
Disertantes: Bruno Marengo, Jesús Golindano, César Morichetti
Biografiá del Disertante: Compañeros de equipo que actualmente se encuentran haciendo cosas entretenidas con Machine Learning y Python en Mercadolibre. Grandes jugadores de Mario Kart después de los almuerzos.
Horario: 20:30 - 21:00 - 19/11/2020
Sala: Sala 1
Etiquetas/Tags: ciencia análisis de supervivencia
Descripción completa
El análisis de supervivencia permite responder a la pregunta genérica “¿Cuánto tiempo puede transcurrir hasta la ocurrencia de un evento?”. Es por ello que también se lo conoce como análisis del tiempo hasta un evento. Originalmente esta técnica estadística se utilizó en la industria médica para determinar el tiempo de supervivencia de una población testigo, a la cual se le aplicaron diferentes tratamientos. Su utilidad se ha extendido a aplicaciones tales como mantenimiento predictivo para máquinas industriales, análisis de falla para componentes críticos, analítica de clientes y gestión de riesgos de aseguradoras, entre otros. En la charla estaremos hablando de los conceptos básicos del análisis de supervivencia: qué es el análisis de supervivencia, los distintos tipos de censura que se presentan en los datos, las diferentes problemáticas que se pueden solucionar y las métricas utilizadas para medir la performance de los resultados. Se nombrarán brevemente los distintos tipos de algoritmos, librerías existentes y mostraremos el código de una implementación en Python.