Cursos ONLINE
Curso en Matemáticas y estadística en el tratamiento de datos
Presentación del curso
Este Curso en Matemáticas y estadística en el tratamiento de datos introduce en aquellas cuestiones de las matemáticas y la estadística que son esenciales para el desarrollo de acciones sobre el tratamiento de los datos, y para el desarrollo de algoritmos de inteligencia artificial.
Este curso forma parte del Master en Data Science y Big Data. Si quieres ampliar tu formación, consulta el programa completo.
Este Curso en Matemáticas y estadística en el tratamiento de datos introduce en aquellas cuestiones de las matemáticas y la estadística que son esenciales para el desarrollo de acciones sobre el tratamiento de los datos, y para el desarrollo de algoritmos de inteligencia artificial.
Este curso forma parte del Master en Data Science y Big Data. Si quieres ampliar tu formación, consulta el programa completo.
¿Qué aprenderás en este curso?
Al finalizar el Curso en Matemáticas y estadística en el tratamiento de datos serás perfectamente capaz de:
- Saber enlazar y aplicar fundamentos teóricos de matemáticas y estadística en procesos/aplicaciones de Big Data a los que normalmente subyacen.
- Conocer las posibilidades que las Matemáticas y Estadística tienen para abordar y resolver problemas que se plantean en los distintos campos de la Empresa.
¿Para quién es este curso?
El Curso en Matemáticas y estadística en el tratamiento de datos proporciona formación específicamente orientada a los siguientes perfiles:
- Ingenieros que tengan por objetivo una actualización de sus conocimientos y el desarrollo de nuevas competencias dentro de la Inteligencia Artificial
- Programadores que tengan por objetivo ampliar sus conocimientos y capacidades en el mundo de la ciencia de datos para su desarrollo profesional
- Analistas de datos con experiencia que quieran dar el salto a los aspectos más profundos de la tecnología
El curso incluye:
Plan de estudios
Contenidos del curso:
- Bienvenida y presentación
Resumen
En esta clase se mostrarán los conceptos matemáticos fundamentales para formar una base mínima pero sólida de cara al resto de módulos durante el curso. Casi todas las técnicas de las ciencias de datos, incluida la Inteligencia Artificial, tienen una base matemática profunda, por lo que una buena comprensión de las herramientas matemáticas esenciales supone una ventaja de cara a la comprensión del resto de tópicos en este curso. Las dos ramas de la matemática más relevantes en la ciencia de datos son el álgebra lineal y el cálculo. La primera parte de esta clase se centrará en el álgebra lineal, donde se profundizará en las propiedades básicas de vectores (por ejemplo operaciones en Espacios Vectoriales n-dimensionales) y matrices. En la segunda parte, se repasarán los conceptos de cálculo, tales como funciones, variables, derivadas, y optimización.
Objetivos
- Desarrollar la capacidad del razonamiento matemático haciendo uso del lenguaje algebraico, a partir de la resolución de problemas del mundo empresarial, dentro y fuera del contexto matemático, representados en modelos donde se aplican conocimientos y conceptos algebraicos
- Conocer y manejar los conceptos elementales del álgebra lineal y la geometría euclídea
- Conocer y manejar los conceptos del cálculo de una y varias variables
- Aprender a aplicar los conceptos estudiados a situaciones y problemas
- Aplicar funciones matemáticas empleando hojas de cálculo con datos de ejemplo
Temario
- Álgebra lineal
- Introducción
- Matrices y vectores
- Suma, Resta y Multiplicación por escalares
- Operaciones con vectores
- Representación vectorial de objetos
- Multiplicación de matrices
- Matriz inversa y traspuesta
- Conclusión
- Cálculo
- Introducción
- Funciones
- Derivadas
- Optimización
- Conclusión
- Indicaciones para la resolución de la Fase 1 del Proyecto
- Parte I
- Parte II
Resumen
En esta clase se estudiarán los conceptos fundamentales de la estadística descriptiva, haciendo hincapié en los fundamentos más que en el cálculo estadístico en sí. Un conocimiento estadístico sólido es fundamental a la hora de trabajar con análisis de datos y comprender los algoritmos de Inteligencia Artificial. En estas sesiones se hablará acerca de los parámetros estadísticos básicos (media, mediana, varianza, desviación típica, etc.), la relación entre variables numéricas, la representación de los cálculos y la forma adecuada de realizar un análisis exploratorio de los datos.
Objetivos
- Diferenciar entre poblaciones y muestras estadísticas
- Conocer los parámetros estadísticos básicos, aplicados tanto a la población como a la muestra, y comprender su significado
- Saber representar tablas de frecuencias e histogramas
- Saber relacionar variables numéricas a través del análisis de correlaciones
- Conocer el proceso del análisis inicial de conjuntos datos y saber aplicarlo
- Saber cómo interpretar y presentar datos estadísticos
Temario
- Estadística descriptiva
- Introducción
- Conceptos básicos
- Media, Varianza y Desviación estándar
- Estadísticos de posición
- Frecuencia e histogramas
- Relación entre variables numéricas
- Análisis exploratorio de datos
- Interpretación y presentación de datos
- Conclusión
- Proyecto
- Indicaciones para la realización de la Fase 2
Resumen
En esta clase se estudiarán los conceptos fundamentales de la estadística inferencial, haciendo hincapié en los fundamentos más que en el cálculo estadístico en sí. Un conocimiento estadístico sólido es fundamental a la hora de trabajar con análisis de datos y comprender los algoritmos de Inteligencia Artificial. En estas sesiones se hablará acerca de inferencias e hipótesis que se realizan sobre una muestra de la población. Es importante poder validar o rechazar las hipótesis basándose en la estadística y la probabilidad. En esta semana además se estudiarán los modelos lineales, utilizados ampliamente en diversas áreas profesionales.
Objetivos
- Adquirir los conocimientos básicos acerca de la teoría de la probabilidad
- Comprender el concepto de variable aleatoria y sus propiedades
- Entender la importancia de las distribuciones de probabilidad, concretamente de la distribución normal
- Adquirir soltura en el cálculo de intervalos de confianza y el tamaño de la muestra
- Entender el concepto del contraste de hipótesis y saber plantearlo en diferentes casuísticas
- Poder realizar modelos de regresión lineal
Temario
- Estadística Inferencial
- Introducción
- Probabilidad
- Variables Aleatorias
- Distribuciones de probabilidad
- Distribución Normal
- Intervalos de confianza
- Error absoluto y tamaño de la muestra
- Contraste de Hipótesis
- Modelos de Regresión Lineal (Parte I)
- Modelos de Regresión Lineal (Parte II)
- Conclusión
- Proyecto
- Indicaciones para la realización de la Fase 3
Nuestros alumnos opinan
¿Por qué elegirnos?
Descubre lo que nos diferencia
El 95% de nuestros alumnos está trabajando o emprende cuando finaliza sus estudios
Somos la mayor comunidad de profesionales digitales del mundo
Expertos en formación online: más de 10 años liderando la innovación del elearning
El 95% de nuestros alumnos consiguen mejorar su situación al finalizar sus estudios
Curso en Matemáticas y estadística en el tratamiento de datos
U$S 510
Curso en Matemáticas y estadística en el tratamiento de datos