MATEMATICA PARA INGENIEROS UPN

Las matemáticas constituyen el núcleo de la ciencia de datos y el aprendizaje automático. Por lo tanto, para ser el mejor científico de datos que puedas ser, debes tener una comprensión práctica de las matemáticas más relevantes.

Iniciarse en la ciencia de datos es fácil gracias a bibliotecas de alto nivel como Scikit-learn y Keras. Pero comprender las matemáticas que hay detrás de los algoritmos de estas bibliotecas te abre infinitas posibilidades. Desde identificar problemas de modelado hasta inventar soluciones nuevas y más potentes, entender las matemáticas que hay detrás de todo esto puede aumentar drásticamente el impacto que puedes tener a lo largo de tu carrera.

Dirigido por el gurú del aprendizaje profundo, el Dr. Jon Krohn, este curso proporciona una firme comprensión de las matemáticas -a saber, álgebra lineal y cálculo- que subyacen en los algoritmos de aprendizaje automático y los modelos de ciencia de datos.

Secciones del curso

1. Estructuras de datos de álgebra lineal

2. Operaciones tensoriales

3. Propiedades de las matrices

4. Vectores y valores propios

5. Operaciones matriciales para el aprendizaje automático

6. Límites

7. Derivadas y Diferenciación

8. Diferenciación automática

9. Cálculo de derivadas parciales

10. Cálculo integral

11. Las matemáticas son el estudio de patrones, números y estructuras, fundamentales para comprender y modelar el universo.