Cursos de Inteligencia Artificial, Machine Learning y Data Science

Estadística Inferencial: fundamentos

Curso teórico-práctico donde veremos los Fundamentos de la Estadística Inferencial necesarios para posteriormente aplicar diferentes pruebas estadísticas para interpretar los datos en nuestros proyectos de Ciencia de Datos y Machine Learning. Inicia el 10 de abril de 2024. 13 lecciones.

Estadística Descriptiva

Curso práctico donde veremos una introducción general a la Estadística para la Ciencia de Datos y el Machine Learning y veremos en detalle todas las técnicas de Estadística Descriptiva que nos permitirán entender y explorar un set de datos. 14 lecciones.

Docker

Curso práctico donde aprenderás a usar Docker, la herramienta de creación de contenedores más usada al momento de llevar un Modelo de Machine Learning a producción. 10 lecciones.

Git y GitHub

Curso práctico en donde aprenderás a usar Git y GitHub, las dos herramientas de control de versiones más usadas en Ciencia de Datos y Machine Learning. 10 lecciones.

Probabilidad Nivel Avanzado

Curso teórico-práctico donde aprenderás sobre el funcionamiento y la aplicación práctica de algoritmos y modelos probabilísticos fundamentales en el Machine Learning. 12 lecciones.

Probabilidad Nivel Intermedio

Curso teórico-práctico en donde aprenderás conceptos y aplicaciones prácticas de las distribuciones de probabilidad más usadas en Ciencia de Datos y Machine Learning. 11 lecciones.

Probabilidad Nivel Básico

Curso teórico donde aprenderás los fundamentos de la Probabilidad, una área de las matemáticas esencial en la Ciencia de Datos, la Inteligencia Artificial y el Machine Learning. 13 lecciones.

Pandas Nivel Avanzado

Curso práctico en donde aprenderás a usar herramientas para la re-estructuración de tablas de datos y para el procesamiento de series de tiempo usando la librería Pandas. 20 lecciones.

Pandas Nivel Intermedio

Curso práctico en donde aprenderás a combinar, agrupar y visualizar datos estructurados usando la librería Pandas, así como a realizar el Análisis Exploratorio de Datos. 17 lecciones.

Pandas Nivel Básico

Curso práctico en donde aprenderás los elementos básicos para la manipulación de datos estructurados usando la librería Pandas enfocado a su uso en proyectos de Ciencia de Datos y Machine Learning. 18 lecciones.

Matplotlib para Ciencia de Datos y Machine Learning

Curso práctico en donde aprenderás a usar Matplotlib, la librería de visualización de Python, fundamental en cualquier proyecto de Ciencia de Datos y Machine Learning. 17 lecciones.

Cálculo para Ciencia de Datos y Machine Learning

Curso teórico en donde aprenderás los conceptos y herramientas esenciales del Cálculo, un campo de las matemáticas fundamental para entender las diferentes técnicas y herramientas usadas en Ciencia de Datos y Machine Learning. 21 lecciones.

Álgebra Lineal para Ciencia de Datos y Machine Learning

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. 28 lecciones.

NumPy para Ciencia de Datos y Machine Learning

Curso práctico en donde aprenderás a usar la librería Numpy, que permite realizar el procesamiento avanzado de arreglos numéricos en Python, una fase esencial en cualquier proyecto de Ciencia de Datos y Machine Learning. 16 lecciones.

Introducción al Machine Learning

Curso diseñado para todos aquellos que son totalmente nuevos en el campo del Aprendizaje de Máquina (o Machine Learning) y que quieren entender qué es, sus campos de aplicación y los conceptos básicos así como la ruta de aprendizaje y estrategias requeridas para incursionar en esta área. 10 lecciones.

Introducción a la Ciencia de Datos

Curso diseñado para todos aquellos que son totalmente nuevos en el campo de la Ciencia de Datos y que quieren entender qué es, sus campos de aplicación, qué son los datos y algunas de las principales técnicas para su procesamiento así como lo que se requiere para ser un Científico de Datos. 17 lecciones.

Python Nivel Avanzado

Curso práctico en donde aprenderás la manipulación avanzada (lectura, escritura, modificación) de diferentes tipos de archivos, el manejo de excepciones y cómo realizar Programación Orientada a Objetos en Python. 17 lecciones.

Aprendizaje por Refuerzo Nivel Intermedio

Curso teórico-práctico en donde aprenderás e implementarás en Python los principales algoritmos clásicos para la solución de problemas de Aprendizaje por Refuerzo. 16 lecciones.

Python Nivel Intermedio

Curso práctico donde aprenderás a usar la librería estándar de Python, las listas, tuplas, sets y diccionarios y funciones avanzadas para el procesamiento de strings. 24 lecciones.

Aprendizaje por Refuerzo nivel Básico

Curso teórico donde aprenderás los conceptos básicos del Aprendizaje Reforzado, así como los elementos matemáticos fundamentales de los Procesos de Decisión de Markov. 18 lecciones

Python Nivel Básico

Curso práctico en donde aprenderás desde cero los conceptos básicos de programación de computadores usando Python. 25 lecciones.

Fundamentos de Deep Learning con Python

Curso teórico-práctico en donde aprenderás todo acerca de las Redes Neuronales, Convolucionales, Recurrentes, LSTM y Transformer. 111 lecciones.

9 - Significancia estadística y el valor p

(Abril 24, 2024 - Estadística Inferencial Fundamentos)

En esta lección hablaremos de los conceptos del valor p y la significancia estadística que nos permiten en últimas apoyar o rechazar la hipótesis nula al momento de realizar una prueba de hipótesis.

8 - Hipótesis y pruebas de hipótesis

(Abril 23, 2024 - Estadística Inferencial Fundamentos)

En esta lección vamos a entender qué es una hipótesis, las hipótesis nula y alternativa y lo que es una prueba de hipótesis.

7 - La técnica del bootstrapping

(Abril 19, 2024 - Estadística Inferencial Fundamentos)

En esta lección veremos la técnica del bootstrapping que nos permite hacer estimaciones estadísticas fiables a partir de los datos que hayamos recolectado.

6 - Los intervalos de confianza

(Abril 18, 2024 - Estadística Inferencial Fundamentos)

En esta lección veremos cómo cuantificar las incertidumbre en las estimaciones que estemos haciendo sobre nuestros datos usando los intervalos de confianza.

5 - El error estándar

(Abril 17, 2024 - Estadística Inferencial Fundamentos)

En esta lección vamos a entender qué es el error estándar que es una manera de cuantificar qué tan fiable es la estimación que estamos haciendo de la estadística de la población a partir de la distribución muestral.

4 - El Teorema del Límite Central

(Abril 16, 2024 - Estadística Inferencial Fundamentos)

En esta lección vamos comprender y ver la aplicación práctica de un teorema fundamental en la Estadística Inferencial: el Teorema del Límite Central.