Intermedio
Estadística y Probabilidad para Machine Learning
Construye los cimientos matemáticos que todo científico de datos necesita antes de entrenar modelos. Dominarás la probabilidad, las variables aleatorias y las distribuciones clave (normal, binomial y Poisson), el teorema de Bayes, la inferencia y la estimación por máxima verosimilitud. Cerrarás con las nociones de álgebra lineal y cálculo (vectores, matrices, gradiente) y el compromiso sesgo-varianza que sustentan el machine learning. Es el segundo curso del Certificado Profesional de Científico de Datos.
9 lecciones 10 horas 700 XP
Empezar el cursoTemario
Módulo 1 · Fundamentos de probabilidad
- 1Probabilidad: el lenguaje de la incertidumbre45 min
- 2Variables aleatorias y esperanza50 min
Módulo 2 · Distribuciones y Bayes
- 3Distribuciones discretas: binomial y Poisson50 min
- 4La distribución normal y el Teorema Central del Límite50 min
- 5Probabilidad condicional y teorema de Bayes50 min
Módulo 3 · Inferencia y estimación
- 6Inferencia estadística: intervalos y contrastes50 min
- 7Estimación por máxima verosimilitud (MLE)50 min
Módulo 4 · Matemáticas para ML
- 8Correlación, causalidad y el compromiso sesgo-varianza45 min
- 9Álgebra lineal y cálculo esenciales para ML50 min