Matemáticas para machine learning
Álgebra lineal, gradientes, optimización y probabilidad aplicados a modelos reales, programando cada idea en NumPy.
∇L(w) = Xᵀ(Xw − y)
Antes de decidir
Prueba una lección
Así se trabaja cada idea en el curso: primero compruebas que tienes la base, después intentas el problema y solo entonces abres la solución.
Para seguir este curso deberías saber
Marca lo que ya dominas; no se guarda en ningún sitio.
Requisitos: Python básico (nuestro curso Python desde cero o equivalente) y derivadas de Bachillerato.
Problema
Sea A la matriz diagonal con 2 y 3 en la diagonal y v = (1, 1). Calcula A·v. ¿Es v un vector propio de A?
Ver la solución paso a paso
- Paso 1A·v = (2, 3), que no es múltiplo de (1, 1): v no es vector propio.
- Paso 2Los vectores propios de A son (1, 0), con valor propio 2, y (0, 1), con valor propio 3.
Temario
Plan semana a semana
A 5 h por semana. Cada módulo ocupa las semanas que le tocan según sus lecciones; si vas más rápido o más despacio, el plan se estira o se encoge.
-
Semanas 1–2
Módulo 1 · Vectores y matrices
12 lecciones · ≈ 8 h
-
Semanas 2–3
Módulo 2 · Sistemas lineales y descomposiciones
10 lecciones · ≈ 7 h
-
Semanas 3–5
Módulo 3 · Valores propios y PCA
12 lecciones · ≈ 8 h
-
Semanas 5–7
Módulo 4 · Cálculo multivariable y gradiente
12 lecciones · ≈ 8 h
-
Semanas 7–8
Módulo 5 · Optimización y descenso de gradiente
12 lecciones · ≈ 8 h
-
Semanas 8–10
Módulo 6 · Probabilidad para modelos
12 lecciones · ≈ 8 h
-
Semanas 10–11
Módulo 7 · Estadística bayesiana básica
10 lecciones · ≈ 7 h
-
Semanas 11–12
Módulo 8 · Regresión logística paso a paso
10 lecciones · ≈ 7 h
-
Semana 12
Test final y certificado
Con un 70 % de aciertos descargas el certificado de aprovechamiento
90 lecciones60 horas≈ 12 semanas
El acceso dura 12 meses, unas 52 semanas. A 5 h por semana terminas hacia la semana 12 y te quedan 40 de margen.
Mapa de cursos
Dónde encaja
Los cursos se apoyan unos en otros. A la izquierda, lo que conviene tener antes; a la derecha, el paso natural al terminar.
-
Antes, si te falta base
-
Estadística y probabilidad
50 h890 €
-
Python desde cero
52 h990 €
-
-
Estás aquí
Matemáticas para machine learning
60 h1.190 €
-
Después
Es el final de este camino. También está incluido en:
-
Itinerario Base científica
218 h1.990 €
-
Objetivos
Al terminar podrás
- Operar con vectores y matrices en NumPy
- Interpretar valores propios y reducir la dimensión con PCA
- Calcular el gradiente de una función de coste
- Programar el descenso de gradiente desde cero
- Usar la máxima verosimilitud y el teorema de Bayes
- Construir una regresión logística sin librerías de machine learning
Perfil
Es para ti si…
Programadores y analistas que usan librerías de machine learning y quieren entender qué calculan por dentro, y estudiantes de máster en ciencia de datos.
Herramientas
- Python con NumPy
- Jupyter Notebook
Curso grabado: no hay clases en directo ni tutor. Estudias con los vídeos, los problemas resueltos y los cuestionarios, y el certificado de aprovechamiento es privado, no un título oficial. Más dudas resueltas
Sin extras ni suscripción
Incluido en el precio
1.190 €
- Lecciones en vídeoClases grabadas de 5 a 15 minutos sobre pizarra digital.
- Apuntes y formulariosCada módulo trae sus apuntes y un formulario resumen en PDF.
- Problemas resueltosDespués de cada idea, problemas resueltos paso a paso en vídeo y por escrito, del más sencillo al de examen.
- Cuestionarios autocorregiblesAl final de cada módulo, preguntas que se corrigen al instante y explican por qué una respuesta es la correcta.
- Test final y certificadoCon un 70 % de aciertos en el test final descargas tu certificado de aprovechamiento con las horas del curso.
- 12 meses de accesoDesde la activación tienes 12 meses para completar el curso y volver a cualquier lección.