¿Qué podemos aprender todavía sobre si la capacitación laboral ayuda a conseguir empleo cuando un factor importante, como la experiencia laboral previa, nunca se midió? Con un estudio simulado de trabajadores en Python, calculamos un rango dentro del cual debe estar el efecto verdadero en lugar de un solo número, y vemos por qué más datos por sí solos no lo estrechan. Incluye una aplicación interactiva que funciona en su navegador web.
¿Un programa de capacitación laboral aumentó los ingresos de trabajadores desfavorecidos? Este tutorial en Python aplica un enfoque de cuatro pasos sobre causa y efecto (plantear los supuestos, decidir qué comparar, estimar el efecto y ponerlo a prueba) a los datos clásicos de capacitación laboral de LaLonde. Incluye una aplicación interactiva que funciona en su navegador web.
¿Un bono en efectivo ayuda a los trabajadores desempleados a encontrar empleo más rápido? Este tutorial en Python usa el doble aprendizaje automático, que permite que modelos de predicción flexibles eliminen la influencia de las características de las personas, con datos de un experimento real en Pensilvania. Incluye una aplicación interactiva que funciona en su navegador web.
¿Pueden las imágenes satelitales indicarnos qué tan bien se desarrolla cada municipio de Bolivia? Este tutorial de Python para principiantes entrena un bosque aleatorio, un modelo de aprendizaje automático que promedia muchos árboles de decisión, lo evalúa en lugares que nunca vio y muestra que las imágenes contienen información real pero limitada. Incluye una aplicación interactiva que funciona en su navegador web.
Un cuaderno geocomputacional para monitorear el desarrollo humano subnacional utilizando Python. Además del análisis exploratorio de datos, el cuaderno introduce el mapeo geoespacial, la dependencia espacial y la desigualdad espacial.
Aprenda a mapear y monitorear el desarrollo regional en Bolivia con Python. El cuaderno muestra cómo explorar los datos, elaborar mapas y detectar patrones espaciales de desigualdad.