Exploración del dataset en Python (pandas, estadísticas descriptivas y gráficos)

Identificación de variable objetivo y predictores

Regresión lineal simple: estimación OLS e interpretación

Medidas de ajuste y análisis básico de residuos

Variables dummy, categoría base e interacciones

Términos polinómicos y efectos no lineales

Interpretación ceteris paribus y supuestos clásicos

Pruebas de significancia, selección de modelo y caso Mincer (Perú)

Estructura y lógica de los GLM

Modelos Poisson y Gamma

Interpretación según la función de enlace

Evaluación básica del ajuste

Modelo de probabilidad lineal y Logit binario

Interpretación de coeficientes y efectos marginales

Evaluación del modelo: matriz de confusión y métricas