Curso “Introducción al análisis de datos con machine learning"
El curso se desarrollará de martes a viernes, de 6:00 p.m. a 8.00 p.m., desde el 22 de junio hasta el 23 de julio, bajo la mentoría del profesor Carlos Andrés Salazar. En este se abordarán, de manera rigurosa, los principios básicos y las metodologías usadas en machine learning en los negocios. Inscripciones cerradas.
Actualmente, un terreno muy fértil en el mundo empresarial es el del análisis automatizado de datos, en la medida que estas metodologías permiten a las organizaciones detectar patrones dentro de sus procesos que sean generadores de datos, y de esta forma posibilita una toma de decisiones mejor informada.
Por tal razón, desde el Área Académica de Economía y Comercio Internacional de Utadeo invitamos a todos nuestros estudiantes, egresados y aspirantes a participar en el curso: “Introducción al análisis de datos con machine learning", que se desarrollará de martes a viernes, de 6:00 p.m. a 8.00 p.m., desde el 22 de junio hasta el 23 de julio, bajo la mentoría del profesor Carlos Andrés Salazar.
En este curso se abordarán, de manera rigurosa, los principios básicos y las metodologías usadas en machine learning en los negocios.
Quienes deseen ampliar la información sobre este curso, podrán escribir al correo electrónico: ml@utadeo.edu.co
Recuerda que este es un curso introductorio gratuito, y por lo tanto, no contará con certificaciones ni notas.
Las inscripciones ya se encuentran cerradas
Estos son los contenidos del curso:
1ª Semana:
-La función lineal, aquí comienza todo.
-Derivadas, optimización, la importancia de medir el cambio.
-Vectores, matrices, proyecciones, abordémoslos desde la geometría.
-Eigenvectores y eigenvalores ¿qué es eso?
-Operaciones entre matrices, transformemos la realidad.
2ª Semana:
-Probabilidad, mas allá de tengo cuatro bolas rojas.
-Más probabilidad
-Independencia y probabilidad condicional
-Teorema de Bayes, un monje visionario
-Rompecabezas probabilísticos, Monty Hall, Birthday Problem.
3ª Semana:
-Estadística, las estadísticas dicen que el 50% es la mitad.
-Variables aleatorias discretas.
-Variables aleatorias continuas.
-La normal, porque nos parece tan normal.
-Teorema del límite central, Slutsky y más cosas raras.
4ª Semana:
-Modelos lineales, solo una línea muchas posibilidades.
-Más modelos lineales.
-Regresión en el modelo lineal.
-Clasificación en el modelo lineal, partiendo desde el humilde preceptrón.
-Aplicaciones.
5ª Semana:
-¿Y si el mundo no es lineal que hacemos?
-Árboles de decisión, no nos vayamos por las ramas.
-Modelos no paramétricos, pidiendole ayuda a los vecinos KNN
-Haciendo trucos con el kernel.
-Modelos no supervisados clustering, juntos pero no revueltos.