Bootcamp en Data Science: Forecasting y Reducción de la dimensión

Somos un grupo de matemáticos comprometidos con la enseñanza de las matemáticas, estamos interesados en la formación de profesionistas en cualquier técnica que requiera una formalización matemática.

Escuela de Matemáticas Bourbaki

En conjunto con Monterrey Data Science & Engineering Meetup ofrecemos el primer bootcamp de 8 días con una frecuencia de 3 horas diarias en Monterrey sobre Forecasting y Reducción de la dimensión. Será una excelente oportunidad para acercarse a algunas de las técnicas más útiles y frecuentes en el Análisis de Datos.
No es necesaria una robusta formación matemática, el curso es una invitación a las matemáticas detrás de estos métodos. 
Contacto
Alfonso Ruiz 
alfonso@escuela-bourbaki.com
Tel. +52 1 5559957954
 
Detalles
El curso tendrá una duración de ocho días con una frecuencia de tres horas diarias. El enfoque del curso NO es teórico, sin embargo su fin último es familiarizar al alumno y perfeccionar sus conocimientos sobre las técnicas matemáticas detrás de útiles y comunes algoritmos en la Ciencia de Datos. 
El método de enseñanza incluye numerosos ejercicios para alumnos de diversos niveles con el fin de acercarlo al dominio de estas técnicas y hacer el análisis de Datos transparente. 
 Objetivos • Invitar al alumno a utilizar algunos métodos matemáticos útiles en la predicción y el análisis de datos. • Familiarizar al alumno con el lenguaje matemático utilizado en los métodos fundamentales de la Ciencia de Datos y Machine Learning. • Formalizar algunos algoritmos de aprendizaje supervisado y no supervisado. • Proveer al alumno de las restricciones de uso y los beneficios prácticos que la formalización matemática implica. Beneficios Estamos convencidos de que una visión matemática formal permitirá al alumno mejorar su desempeño en las actividades productivas que realice. Estar familiarizado y conocer las bases matemáticas de Machine Learning y Data Science abren un amplio espectro de posibilidades en el rápido aprendizaje y desarrollo de nuevas herramientas útiles e innovadoras. Profesor Alfonso Ruiz es un matemático especializado en la lógica matemática y sus aplicaciones a otras áreas así como un profesor de matemáticas. Estudió su doctorado en Matemáticas en Oxford University, su maestría en Université Paris-XI Orsay y la licenciatura en matemáticas en la UNAM. Fue profesor de Análisis matemático en Corpus Christi College, Oxford. Actualmente es director en la Escuela de Matemáticas Bourbaki. www.escuela-bourbaki.com
Becas
En conjunto con Monterrey Data Science & Engineering ofreceremos 2 becas completas y 2 becas 50% a individuos que las necesite y prueben compromiso con el curso.
En conjunto con Women in Data Science ofrecemos 1 beca completa y una 1 50% a mujeres que las necesiten y prueben compromiso con el curso.
Temario Bloque uno: Predicción 1. Regresiones lineales a. Ejemplos b. Ventajas y desventajas c. Optimización convexa d. Ruido estocástico e. Cualidades estocásticas del algoritmo f. Solución algebraica: inversión de matrices g. Interpretación geométrica h. Solución analítica: Gradient Descent i. Solución estocástica Stochastic Gradient Descent j. Capacidad de aprendizaje k. Regresiones logísticas 2. Generalizaciones a. Regresiones polinomiales b. Splines c. Unvistazoaloskernels d. Un vistazo a las redes neuronales 3. La maldición de la dimensión a. K-nearest neighbours b. Algunos cálculos concretos c. Soluciones: regularizadores o reducción de la dimensión 4. Regresiones lineales con regularizadores a. El regularizador de Tychonoff como un estabilizador b. Regresión lineal Ridge i. Optimización fuertemente convexa ii. Solución algebráica iii. Solución analítica iv. Solución estocástica v. Determinación del parámetro lambda vi. K-fold cross validation c. Regresión lineal Lasso d. Regresión lineal Elastic net Bloque dos: Algebra lineal numérica 1. Álgebra de matrices a. Conceptos básicos b. Relaciones con las regresiones lineales c. Productostensoriales 2. Descomposición de matrices a. Motivación: interpolación de curvas b. Descomposición Gaussiana c. Singularvaluedecomposition d. Singular value decomposition estocástica e. Non-negative matrix factorization f. Cholensky decomposition 3. Reducción lineal de la dimensión a. PCA: interpretación euclidiana b. PCA interpretación estocástica c. Cut-off d. PCA robusto

Bootcamp en Data Science: Forecasting y Reducción de la dimensión

Más eventos de Escuela de Matemáticas Bourbaki

Descubre más eventos de Escuela de Matemáticas Bourbaki, desde Ciencia y tecnología hasta otras experiencias que te podrían encantar.

¿Sigues buscando el evento ideal?

Explora todos los eventos en Monterrey y filtra por fecha, categoría y más para encontrar el ideal.

Bootcamp en Data Science: Forecasting y Reducción de la dimensión

Más eventos de Escuela de Matemáticas Bourbaki

Descubre más eventos de Escuela de Matemáticas Bourbaki, desde Ciencia y tecnología hasta otras experiencias que te podrían encantar.

También te podría interesar...

Explora más eventos con diferentes fechas, precios y formatos para encontrar tu próxima gran experiencia.

¿Sigues buscando el evento ideal?

Explora todos los eventos en Monterrey y filtra por fecha, categoría y más para encontrar el ideal.