WHAT WE DO
Machine Learning and AI For The Working Analyst
-
12 semanas
-
De martes a viernes
-
Dos horas diarias (18:30-20:30)
WHAT WE DO
Estructura:
A. Cada bloque incluye un documento en forma de notas de
curso redactado cuidadosamente por el tutor.
B. Los cursos son en vivo vía zoom y los estudiantes tienen acceso indefinido a los vídeos del curso.
C. En el curso se utilizarán data sets y
ejemplos reales. Los alumnos se quedarán con el código
utilizado en clase para resolver los problemas.
.png)
WHAT WE DO
I) Cada semana se realizará un pequeño test para revisar el aprendizaje del estudiante.
II) Al final cada bloque de tres cursos se realizará una evaluación que consiste en dos partes:
1. Un examen práctico donde el estudiante deberá aplicar sus habilidades para resolver otros problemas similares o
adecuaciones de los mismos vistos en clase.
2. Un examen teórico que simula una entrevista laboral sobre el
planteamiento del problema, la interpretación de los resultados y la descripción de los algoritmos.
iii) El curso incluye un acompañamiento por parte de los profesores en
el desarrollo de proyectos que los estudiantes deseen desarrollar utilizando las técnicas aprendidas.
Listamos algunas de las herramientas tecnológicas que enseñaremos a utilizar en el curso:
• Python
• R
• Pandas
• Numpy
• Apache
• Keras
• Gym
TECNOLOGÍA
.png)
TEMARIO
TEMARIO
1. Invitación a redes neuronales: perceptrón
2. Árboles de decisión y random forest
3. Regresiones logísticas, Ridge y Lasso
4. Latent Dirichlet Allocation
5. Regresión Robusta y Huber
6. ARMA, ARIMA y ARCH
7. Simulación Monte-Carlo (Longstaff-Schwartz)
8. Deep Learning para NLP (LSTM y Atención)
9. Aprendizaje por refuerzo (Q-Learning)
Próxima Fecha
Ago 17 - Nov 05
Precio: $1,130 USD
TEMAS
Cada semana tiene un tema particular en el que haremos énfasis.
1. La maldición de la dimensión y el sobre-ajuste
2. La explicabilidad de un modelo
3. Regularización
4. Espacio Latente
5. Outliers
6. El riesgo
7. Simulación Bayesiana
8. Procesos con memoria y estructuras de los datos
9. El refuerzo v.s. las etiquetas
Machine Learning and AI for the working Analyst
Director
ALFONSO RUIZ
Alfonso Ruiz estudió matemáticas en la UNAM, en la Université d'Orsay y en Oxford University. Durante su carrera ha visitado y expuesto su trabajo en diversas instituciones tales como UCLA, Universität Münster, Notre Dame University, Institute Henri Poincaré, IHES, CIRM, Sophus Lie Conference Centre, CIMAT, University of Miami entre otros. Actualmente es Director del Colegio de Matemáticas Bourbaki y dedica su tiempo a convertirlo en un centro de enseñanza e investigación de primer nivel.
Docente
ANA ISABEL
Ana Isabel Ascencio Pedraza es Científica de Datos con más de 20 años de experiencia en análisis de datos para la toma de decisiones. Estudió Ingeniería Electromecánica en la Universidad Iberoamericana León, Métodos Estadísticos en el Centro de Investigaciones en Matemáticas (CIMAT) y Ciencia
de Datos en el Centro de Investigación e Innovación en Tecnologías de la Información (INFOTEC). Actualmente es consultora en Ciencia de Datos y Analítica Avanzada.
Architecture + Design
WHAT WE DO
%2012_55_31.png)
TESTIMONIOS
Francisco Morales
El curso Machine Learning for the Working Analyst es un gran primer paso al mundo de la ciencia de los datos, ofrece cimientos sólidos y fomenta el pensamiento crítico que permite definir soluciones adecuadas a posibles aplicaciones. Cada uno de los elementos del curso es valioso por sí mismo, el contenido es muy nutrido y bien seleccionado, las aplicaciones son óptimas para el entendimiento de los temas, la parte teórica se explica desde las aristas necesarias para su completo entendimiento, la parte práctica aterriza todo el conocimiento en desarrollos útiles y que sirven como guía para otras aplicaciones, la apertura a solucionar dudas ayuda a tener una comprensión plena y pensar en aplicaciones adicionales sirve como validación de que los conceptos fueron bien asimilados. Y si bien todo eso funciona de forma independiente, la forma en que se integran hace que el curso alcance una dimensión diferente y llegue a una calidad excelente.
Soy ingeniero mecatrónico egresado el 2020 de la Unidad
Profesional Interdisciplinaria en Ingeniería y Tecnologías
Avanzadas, con experiencia laboral en la ingeniería de datos y
manejo de múltiples herramientas de business intelligence
(qlik, tableau, power bi, spotfire) y manejo de lenguajes de
programación (Python, C++, R, lenguaje M de matlab). Tengo
especial interés en el desarrollo profesional como científico de
datos y su complementación mediante el storytelling y la
visualización de datos.