En este curso aprenderás

  • 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 las principales operaciones usadas 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

Contenido del curso

  1. 1
    • ¿Qué es el Álgebra Lineal y cuál es su importancia en la Ciencia de Datos y el Machine Learning?

    • Ejemplos de aplicación del Álgebra Lineal en Ciencia de Datos y Machine Learning

  2. 2
    • Motivación: el papel de los vectores en la Ciencia de Datos y el Machine Learning

    • Vectores: definiciones y conceptos básicos

    • Operaciones básicas con vectores

    • El producto punto entre vectores

    • Norma de un vector

    • Bases y espacios vectoriales

    • Proyecciones vectoriales y cambios de base

    • Práctica 1 - Word2Vec: de palabras a vectores

  3. 3
    • Motivación: el papel de las matrices en la Ciencia de Datos y el Machine Learning

    • Matrices: definiciones y conceptos básicos

    • Operaciones básicas con matrices

    • Transformaciones afines

    • Práctica 2: el Perceptrón - Parte 1: el problema a resolver

    • Práctica 2: el Perceptrón - Parte 2: funcionamiento del perceptrón

    • Práctica 2: el Perceptrón - Parte 3: implementación del perceptrón

    • Práctica 2: el Perceptrón - Parte 4: análisis del clasificador

  4. 4
    • ¿Qué son los valores y vectores propios?

    • ¿Cómo calcular los valores y vectores propios?

    • Los valores y vectores propios en Ciencia de Datos y Machine Learning

    • Proyecto final: sistema de recomendación - Parte 1: el problema a resolver

    • Proyecto final: sistema de recomendación - Parte 2: el set de datos

    • Proyecto final: sistema de recomendación - Parte 3: principio de funcionamiento del sistema de recomendación

    • Proyecto final: sistema de recomendación - Parte 4: Singular Value Decomposition (SVD)

    • Proyecto final: sistema de recomendación - Parte 5: SVD y la reducción de dimensionalidad

    • Proyecto final: sistema de recomendación - Parte 6: implementación de la SVD

    • Proyecto final: sistema de recomendación - Parte 7: implementación y prueba del sistema de recomendación

    • Cierre del curso

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 en la Academia Online.

Opiniones del curso

4 puntuación por estrellas

Magnífico esfuerzo didáctico

manel montiel mamely

Hola Miguel. Enhorabuena una vez más por tu producción artesana (diríase de orfebre) que nos ha permitido refrescar los principios el álgebra matricial, así ...

Leer más

Hola Miguel. Enhorabuena una vez más por tu producción artesana (diríase de orfebre) que nos ha permitido refrescar los principios el álgebra matricial, así como sumergirnos en las tripas que operan en los algoritmos de los sistemas de recomendación. Aguardamos con ilusión los sucesivos cursos mientras consolidamos todo lo aprendido tratando de ponerlo en práctica en nuestros proyectos personales. Muchísimas gracias y hasta el siguiente. Salut !!!

Leer menos
5 puntuación por estrellas

100% Recomendado

Rodrigo Muñoz Andrade

Miguel tiene un tremendo manejo en la materia, por ende, logra que una temática compleja sea sencilla de comprender. Además esta muy bien explicado, muy didá...

Leer más

Miguel tiene un tremendo manejo en la materia, por ende, logra que una temática compleja sea sencilla de comprender. Además esta muy bien explicado, muy didáctico y práctico.

Leer menos

Instructor

Fundador y creador de contenidos en Codificando Bits

Miguel Sotaquirá

Soy Ingeniero Electrónico y tengo una Maestría en esta área, así como un Doctorado en Bioingeniería. Durante 15 años he sido profesor e investigador de varias universidades de Colombia, y desde el año 2017 me he convertido en un apasionado por el Machine Learning, el Deep Learning y la Ciencia de Datos. De hecho durante mi tesis doctoral explore temas de Machine Learning y algo de Deep Learning (que aún no estaba en auge!) para el análisis de imágenes médicas. En la actualidad me dedico por completo a divulgar contenido en mi canal de YouTube y a brindar asesoría y formación a personas y empresas en estos temas.