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.colegiobourbaki.com/curs...

Temario detallado del curso: https://drive.google.com/file/d/1wSga...

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. Eigendescomposición y textrank
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