CURSO Nº 16 - Álgebra Lineal para Ciencia de Datos y Machine Learning
Sigamos Aprendiendo Juntos. Curso teórico-práctico en donde aprenderás los conceptos esenciales del Álgebra Lineal, un campo de las matemáticas fundamental para entender el funcionamiento de los diferentes algoritmos usados en Ciencia de Datos y Machine Learning. Al final de este curso habrás aprendido Qué es el Álgebra Lineal y su importancia en la Ciencia de Datos y el Machine Learning Qué son los vectores y las matrices y cómo se usan en Ciencia de Datos y Machine Learning Qué son los valores y vectores propios y cómo usarlos para resolver diferentes problemas en Ciencia de Datos y Machine Learning Cómo aplicar de forma práctica los conceptos de vectores, matrices, valores y vectores propios a la solución de diferentes problemas en Ciencia de Datos y Machine Learning Requisitos Conocimientos básicos de Álgebra a nivel de último año de secundaria Se sugiere haber tomado los cursos Python Nivel Básico, Python Nivel Intermedio, Python Nivel Avanzado y NumPy para Ciencia de Datos y Machine Learning disponibles acá en la Academia Online.
No requiere registro
Lo que aprenderás
- Comprender los fundamentos del aprendizaje automático
- Implementar algoritmos de clasificación y regresión
- Preparar y limpiar datos para modelos predictivos
- Evaluar y optimizar modelos de machine learning
- Aplicar inteligencia artificial a problemas reales
Descripción del curso
Sigamos Aprendiendo Juntos. Curso teórico-práctico en donde aprenderás los conceptos esenciales del Álgebra Lineal, un campo de las matemáticas fundamental para entender el funcionamiento de los diferentes algoritmos usados en Ciencia de Datos y Machine Learning. Al final de este curso habrás aprendido Qué es el Álgebra Lineal y su importancia en la Ciencia de Datos y el Machine Learning Qué son los vectores y las matrices y cómo se usan en Ciencia de Datos y Machine Learning Qué son los valores y vectores propios y cómo usarlos para resolver diferentes problemas en Ciencia de Datos y Machine Learning Cómo aplicar de forma práctica los conceptos de vectores, matrices, valores y vectores propios a la solución de diferentes problemas en Ciencia de Datos y Machine Learning Requisitos Conocimientos básicos de Álgebra a nivel de último año de secundaria Se sugiere haber tomado los cursos Python Nivel Básico, Python Nivel Intermedio, Python Nivel Avanzado y NumPy para Ciencia de Datos y Machine Learning disponibles acá en la Academia Online.
Contenido del curso (16 lecciones)
1 ¿Qué es el Álgebra Lineal y cuál es su importancia en la Ciencia de Datos y el Machine Learning
2 Ejemplos de aplicación del Álgebra Lineal en Ciencia de Datos y Machine Learning
3 Motivación el papel de los vectores en la Ciencia de Datos y el Machine Learning
4 Vectores definiciones y conceptos básicos
5 Operaciones básicas con vectores
7 Norma de un vector
6 El producto punto entre vectores
8 Bases y espacios vectoriales
9 Proyecciones vectoriales y cambios de base
10 Práctica 1 Word2Vec de palabras a vectores
11 Motivación el papel de las matrices en la Ciencia de Datos y el Machine Learning
12 Matrices definiciones y conceptos básicos
13_ Operaciones básicas con matrices
14 Transformaciones afines - Algebra Lineal para Ciencia de Datos
15 Práctica 2 - El Perceptrón _ Parte 1 el problema a resolver.
16 Práctica 2 - El Perceptrón Parte 2 funcionamiento del perceptrón
Valoraciones del curso
Sé el primero en valorar este curso
Inicia sesión para valorar este curso y ayudar a otros estudiantes.
Iniciar sesión