Aprendiendo Ciencias de datos - Clase abierta: Matemáticas para la Ciencia de Datos

Matemáticas para la Ciencia de Datos: Ideal para quienes quieran avanzar en Machine Learning y tener un mayor entendimiento de los conceptos matemáticos comúnmente utilizados en la Ciencia de Datos. Duración: 24 semanas Paginas del Colegio Bourbaki: https://www.colegio-bourbaki.com/cursos-personalizados/matematicas-para-la-ciencia-de-datos Temario detallado del curso: https://drive.google.com/file/d/1wSgaGUk0r2OvFaogktT7uu63WKfYE3kv/view?usp=sharing Módulo 1. Fundamentos de probabilidad 1. La aleatoriedad y la independencia 2. Variables aleatorias y sus invariantes 3. El Método de Monte Carlo 4. Máxima verosimilitud y regresiones Bernoulli 5. Las cadenas de Markov Page Rank 6. Metropolis Hastling Módulo 2. Álgebra Lineal 1. Matrices y sistemas de ecuaciones 2. Medidas de similitud de audios 3. Análisis de Componentes Principales PCA 4. Latent Semantic Analysis y SVD 5. Eigen-descomposición y text-rank 6. Álgebra lineal numérica I Módulo 3. Estadística e Inferencia Bayesiana 1. Tests estadísticos 2. Inferencia Causal 3. A/B & Thompson samplings 4. Regresiones Bayesianas 5. Redes Bayesianas 6. Optimización Bayesiana Módulo 4. Optimización y Cálculo Diferencial 1. Programación lineal y optimización 2. Gradiente descendente 3. La importancia de la convexidad 4. Programación dinámica 5. Stochastic Gradient Descend 6. El algoritmo de Backpropagation