Udemy Probabilidad para Machine Learning y Big Data con R y Python 1.2

Requisitos

• Ganas de aprender acerca del mundo de la probabilidad, el azar y las variables aleatorias.
• Conocimientos básicos de matemáticas.
• Es muy recomendable haber hecho el curso online de estadística descriptiva y el de álgebra lineal con R y Python de Juan Gabriel Gomila.
• No es necesaria una base de programación, pero si recomendable para sacar más provecho a la parte de probabilidad y variables aleatorias.
• Para la segunda mitad del curso, se necesitan conocimientos medios de matemáticas como derivadas o integrales en varias variables, aunque se pueden hacer por código si se desea.

Descripción

Conoce todo el mundo de las probabilidades y las variables aleatorias de la mano de Ricardo Alberich, Juan Gabriel Gomila y Arnau Mir. Asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido de probabilidades, variables aleatorias discretas y contínuas, desde una variable hasta multidimensionales e incluso los conceptos de convergencia y el Teorema Central del Límite. En particular verás los mismos contenidos que explicamos en los grados de carrera a matemáticos, ingenieros, economistas, biólogos, médicos o informáticos como por ejemplo:

• Repaso de uso básico de R y RStudio y de Anaconda Navigator para Python.
• Cálculo de Probabilidades con todas las propiedades, teorema de Bayes, probabilidad condicionada e independencia de sucesos.
• Variables aleatorias contínuas y discretas, incluyendo la función de probabilidad, de densidad y de distribución.
• Distribuciones notables como la binomial, la geométrica, la uniforme, la exponencial o la normal entre otras
• Complementos avanzados de variables aleatorias como momentos, sesgo, curtosis, función generadora de momentos, función característica y aplicaciones de las mismas (fiabilidad, entropía o generación de distribuciones).
• Variables bidimensionales para adentrarte en el mundo de las varias variables.
• Variables multidimensionales para llevar tu capacidad de análisis probabilístico necesario para el machine learning y la inteligencia artificial a otro nivel analizando cientos o miles de variables a la vez.
• Convergencia de variables aleatorias y Teorema Central del límite que son la base de la estadística moderna, el ML y la IA.
• Contarás además con el Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.
• Cientos de ejercicios, tareas y talleres para complementar la formación en el curso.

Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila como los cursos avanzados de estadística, de Machine Learning o Inteligencia Artificial con Python o RStudio o el Curso de Data Science con Tidyverse y RStudio. Todo el material del curso está enfocado en resolver los problemas de falta de base en el ámbito de estadística inferencial que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.

¿Para quién es este curso?

• Estudiantes de ingenierías, economías y ciencias que quieran aprender los fundamentos de la probabilidad y las variables aleatorias.
• Todos aquellos que quieran trabajar con el entorno estadístico R y con Python.
• Futuros estudiantes de cursos de Machine Learning y de Inteligencia Artificial.
• Data Scientists que quieran tener un fundamento sólido de matemáticas, probabilidad y variables aleatorias.
• Ingenieros de ML, IA con falta de base para aprender mejor cómo funcionan estos algoritmos y saber interpretar sus valores.
• Estudiantes de los cursos de ML, IA, TensorFlow de Juan Gabriel Gomila que necesiten asentar sus bases teóricas en de probabilidad, distribuciones...