fbpx

Módulo 1 Matemáticas para la Ciencia de Datos

Matemáticas para La Ciencia de Datos

Creado por Bourbaki, colegio de matemáticas

──────────────────

FORMATO: ONLINE ON-LIVE

──────────────────

DURACIÓN: 8 SEMANAS 

──────────────────

PRECIO: $350 USD

──────────────────

NIVEL: AVANZADO

──────────────────

Lo que aprenderás

Durante el curso aprenderás sobre las ideas provenientes de las matemáticas utilizadas en Ciencia de Datos, desde la probabilidad, el álgebra lineal y la optimización. También estudiarás algunos algoritmos y modelos matemáticos de en Machine Learning desde un punto de vista detallado y como resultado lograrás aplicar lo aprendido y practicarlo en el manejo de objetos matemáticos utilizando Python

Este curso te familiarizará con el lenguaje matemático y su utilidad al resolver e identificar problemas concretos.

Tres módulos

24 semanas

Lunes, miércoles y viernes

07:30 a 9:00 am (UTC -5)

1. Matrices y sistemas de ecuaciones
2. Descomposición en valores singulares
3. Latent Semantic Analysis
4. Análisis de Componentes Principales
5. Eigen-descomposición PCA re-visitado
6. Clusterización espectral
7. Matrices estocásticas y el Teorema de PerronFrobenius
8. El algoritmo de Google: PageRank

1. Kolmogorov, Independencia y Condicionamiento
2. Variables Aleatorias Discretas y Momentos
3. Ley de los Grandes Números y Máxima Verosimilitud
4. Variables aleatorias continuas, el Teorema Límite
Central y las distintas Convergencia
5. Intervalos de confianza y tests estadísticos
6. Inferencia Bayesiana
7. Muestreos de Gibbs
8. Redes Bayesianas

1. Las funciones y convexidad
2. Programación lineal
3. La primera derivada: gradiente
4. El algoritmo del gradiente para la Regresión Lineal
5. Hessiano y Jacobiano
6. El método del gradiente estocástico
7. Backpropagation
8. Backpropagation II

¿Quieres saber más?

Certificado
Evaluación y certificado

Realiza tu evaluación final para recibir un certificado otorgado por Bourbaki y Blenio.

¿Quién puede tomar el curso?

Practicantes de Machine Learning con intuición sobre las aplicaciones y las dificultades en problemas relacionados con datos. Debes estar interesado en los detalles matemáticos detrás de los algoritmos comúnmente utilizados. 

También es posible tomar este curso después de aprobar Lo Esencial de Ciencia de Datos.

Descarga el temario del curso

Bourbaki, Colegio de Matemáticas

Un espacio para el aprendizaje personalizado en donde se imparten métodos de enseñanza para acercar a las personas al trasfondo matemático en múltiples fenómenos y procesos.
El objetivo es vincular la academia con aplicaciones de la realidad imperante y convertir el conocimiento matemático en una inversión sostenible, que genere riqueza.

Alfonso Ruiz

Profesor

Alfonso Ruiz estudió matemáticas en la UNAM, en la Université d’Orsay y en Oxford University. Durante su carrera ha visitado y expuesto su trabajo en diversas instituciones tales como UCLA, Universität Münster, Notre Dame University, Institute Henri Poincaré, IHES, CIRM, Sophus Lie Conference Centre, CIMAT, University of Miami entre otros. Actualmente es Director del Colegio de Matemáticas Bourbaki y dedica su tiempo a convertir la institución en un centro de enseñanza e investigación de primer nivel.

Aprender Machine Learning
Ana Isabel Ascencio

Profesora

Ana Isabel Ascencio Pedraza es Científica de Datos con más de 20 años de experiencia en análisis de datos para la toma de decisiones. Estudió Ingeniería Electromecánica en la Universidad Iberoamericana León, Métodos Estadísticos en el Centro de Investigaciones en Matemáticas (CIMAT) y Ciencia de Datos en el Centro de Investigación e Innovación en Tecnologías de la Información (INFOTEC). Actualmente es consultora en Ciencia de Datos y Analítica Avanzada.

Especialización en Deep Learning
Lo que dicen los ESTUDIANTES

Foto_Jorge

“La forma en que lo llevan el curso es muy bueno, es decir, de la teoría a la práctica. El que nos hagas pensar en otras aplicaciones, le da un mayor valor, ya que eso permite ver más allá de los ejemplos vistos.

Aunado a eso, el tiempo que dedican a resolver las dudas, y las diferentes formas de abordarlas, es algo que también valoro y agradezco muchísimo, así como el incitar la participación.

En resumen estoy muy contento y agradecido por este maravilloso curso, que si bien el contenido es excelente, también la forma y dedicación con la que lo imparten.”

foto_paola

“Es un curso avanzado, bastante completo en temas de Machine Learning, desmenuzarás y entenderás modelos de predicción en casos reales, los cuales aplicarás. Los profesores tienen mucha paciencia, y disponibilidad para esclarecer tus dudas, entre clases o fuera de ellas, si no te quedan claras las clases puedes repasar a través de los vídeos, los cuales también son de mucha ayuda. Es bastante completo, se necesitan bases de programación, y de matemáticas (los profesores facilitan mucho este último). Se lo recomiendo a todo aquel que esté interesado en enriquecer y fortalecer sus conocimientos en ML.”

Foto_Daniela

“Quedé más que satisfecha con los contenidos entregados, fue la mejor decisión que pude tomar.
Creo que la autocrítica vendría de mi parte, hubiese querido poder dedicarle más tiempo, pero aún así me quedo la impresión de haber aprendido bastante.
Como recomendaciones, creo que el formato de dos clases a la semana es bastante cómodo, pues permite que los contenidos se mantengan frescos.”

Foto_Pablo

“Recomiendo el curso de Fundamentos de Machine Learning.
Los ejercicios están muy bien elegidos y los ejemplos son muy elocuentes por sí mismos, razón por la cual son más que útiles y apropiados para la comprensión de los temas por parte del principiante.
Una especial felicitación para el Dr. Alfonso por su expertise en la materia.”

No Inscrito
This course is currently closedUS$350

Curso Includes

  • 11 Lecciones
  • 17 Temas