Webinar: Predicción de la Reputación Presidencial con Machine Learning

Aprende cómo utilizar datos de prensa, redes sociales y comportamiento digital para anticipar tendencias y simular escenarios en torno a la percepción pública de candidatos presidenciales.

Trabajaremos con dos aplicaciones clave de machine learning en ciencias sociales: la predicción de la reputación digital de candidaturas y la simulación de escenarios frente a cambios en indicadores estratégicos, como titulares favorables, carisma o agresividad mediática.

A partir de ejemplos concretos con datos reales, verás cómo construir modelos predictivos y aplicar análisis contrafactual en Python, acercando herramientas de vanguardia tanto a la investigación como a la práctica profesional.

Dirigido a profesionales de ciencias sociales, políticas públicas, ciencia de datos y marketing. También a consultores y analistas que buscan aplicar modelos predictivos y machine learning para extraer insights valiosos a partir de datos sociales y de consumo.

• Introducción a los datos de reputación digital de candidatos.
• Construcción de un modelo predictivo de Reputación Presidencial usando Random Forest en Python.
• Simulación de escenarios contrafactuales: ¿qué pasa si aumenta el % de titulares favorables o disminuye la agresividad en prensa?
• Uso de scikit-learn, statsmodels y SHAP para predicción y explicabilidad.
• Visualización de resultados con Matplotlib.