Conoce tu curso
Temas como inteligencia artificial y ciencia de datos se han popularizado bastante en los últimos años provocando que las personas quieran dedicarse a dichos temas, sin embargo, la falta de una educación formal orientada a esos temas o la comercialización desmedida de implementaciones sencillas han provocado que el colectivo no tenga los conocimientos básicos para adentrarse en este mundo y sacarle el provecho que se debe.
En este curso aprenderás los temas básicos necesarios para adentrarte en el mundo de la inteligencia artificial o ciencia de datos.
Este curso está orientado a sanar el rezago educativo en temas de matemáticas necesarios para desempeñarse como científico de datos o autoridad en implementaciones de inteligencia artificial.
¿A quién va dirigido?
- Profesionales que quieran adentrarse en el mundo de la inteligencia artificial o ciencia de datos.
- Estudiantes de carreras en ingeniería de software, ciencia de datos, matemáticas, física o carreras afines.
- Investigadores de áreas no afines a ciencias exactas que quieran adentrarse en el mundo de la inteligencia artificial o ciencia de datos.
¿Qué necesito?
Computadora en la cual se cuenten con permisos de realizar instalaciones.
Conexión a internet estable (para las clases en vivo).
Conocimientos en Python.
¿Qué habilidades voy a adquirir?
Tendrá las bases necesarias para tener un correcto entendimiento de las matemáticas detrás de la inteligencia artificial.
Habrá desarrollado un pensamiento crítico alrededor de los avances en inteligencia artificial.
Habrá ganado experiencia en escribir implementaciones eficientes con Python orientadas a la resolución de problemas.
Detalles del programa
Bloque 1 Álgebra lineal
Sistemas de ecuaciones lineales.
Matrices.
Resolución de sistemas de ecuaciones lineales.
Espacios vectoriales.
Independencia lineal.
Base y rango.
Transformaciones lineales.
Espacios afines.
Bloque 2 Geometría analítica
Normas.
Producto interno.
Distancias y longitudes.
Ángulos y ortogonalidad.
Bases ortonormales.
Bloque 3 Cálculo vectorial
Diferenciación de funciones univariadas.
Gradientes y diferenciación parcial.
Gradientes de funciones vectoriales.
Gradientes de matrices.
Retropropagación (backpropagation) y diferenciación automática.
Bloque 4 Estadística
Análisis exploratorio de datos.
Distribución muestral.
Experimentos estadísticos y pruebas de significancia.
