Matemáticas para Ciencia de Datos
Acerca de este curso
Domina los fundamentos matemáticos que hacen posible la Ciencia de Datos y el Machine Learning.
En este curso desarrollarás las bases necesarias para comprender, interpretar y aplicar los conceptos matemáticos utilizados detrás de los modelos de análisis de datos.
A lo largo del programa estudiarás álgebra lineal, probabilidad, estadística descriptiva e inferencial y optimización matemática, relacionando cada tema con aplicaciones dentro de Ciencia de Datos.
¿Qué aprenderás?
- Escalares, vectores, matrices y espacios vectoriales.
- Ortogonalidad, proyecciones, descomposición matricial y fundamentos de PCA.
- Probabilidad, variables aleatorias y distribuciones.
- Estadística descriptiva y análisis de datos.
- Distribuciones muestrales, estimaciones e intervalos de confianza.
- Pruebas de hipótesis y fundamentos de regresión lineal.
- Gradientes, optimización y descenso por gradiente.
- Fundamentos matemáticos aplicados a Machine Learning.
El objetivo es que no solo conozcas las fórmulas, sino que entiendas la lógica matemática detrás de las herramientas que utilizarás en Ciencia de Datos.
Contenido del Curso
Clases
-
Clase 1
01:52:05 -
Clase 2
01:46:43
Obtén tu certificado al completar el curso
Añade este certificado a tu CV para demostrar tus habilidades y aumentar tus posibilidades en el campo laboral
Calificaciones y reseñas de los estudiantes
Your Instructor
Ricardo Zuñiga Beristain
Soy Ricardo Zúñiga Beristain, egresado de la Licenciatura en Actuaría por la Universidad Nacional Autónoma de México y pasante de la Maestría en Economía y Finanzas por la Universidad de Guanajuato.
Cuento con experiencia profesional en análisis económico, riesgos financieros, modelación matemática, evaluación de proyectos de inversión y desarrollo de estrategias financieras basadas en datos. A lo largo de mi trayectoria he participado en comités de riesgos e inversiones, así como en el diseño e implementación de modelos financieros avanzados bajo estándares internacionales como IFRS-9 y Basilea III.
En el ámbito académico, soy catedrático de la Licenciatura en Economía de la Universidad de Guanajuato, donde he impartido materias como Programación, Estadística Inferencial, Cálculo Vectorial y Optimización Dinámica. Además, he sido docente de cursos especializados en estadística y análisis de datos aplicados a negocios.
Mi formación se complementa con estudios y certificaciones en Finanzas, Inteligencia Artificial aplicada a negocios, minería de datos, simulación Monte Carlo y administración de riesgos financieros. Manejo herramientas como Python, R, Matlab, Stata, MySQL y diversos softwares estadísticos y financieros.
