No es ning\u00fan secreto que las matem\u00e1ticas son la base para la ciencia de datos.\u00a0Aqu\u00ed hay una selecci\u00f3n de cursos que te ayudar\u00e1n a aumentar tus habilidades en la materia, con las cuales, podr\u00e1s dirigirte al camino de la ciencia de datos, aprendizaje autom\u00e1tico y mucho m\u00e1s.<\/p>\n\n\n\n
Esta es una selecci\u00f3n de cursos de matem\u00e1ticas y especializaciones que est\u00e1n disponibles gratuitamente en l\u00ednea y que pueden ayudarlo a alcanzar sus objetivos de matem\u00e1ticas para la ciencia de datos.\u00a0<\/p>\n\n\n\n
Se han separado en los temas generales de fundamentos matem\u00e1ticos, \u00e1lgebra, c\u00e1lculo, estad\u00edstica y probabilidad, y aquellos especialmente relevantes para la ciencia de datos y el aprendizaje autom\u00e1tico.<\/p>\n\n\n\n
Eche un vistazo a la lista. Espero que encuentre algo \u00fatil.<\/p>\n\n\n\n
Fundamentos matem\u00e1ticos<\/strong><\/p>\n\n\n\n Estos cursos est\u00e1n destinados a ayudar a sentar las bases para el aprendizaje de matem\u00e1ticas m\u00e1s avanzadas, as\u00ed como a fomentar el desarrollo del pensamiento matem\u00e1tico.\u00a0Las descripciones provienen directamente de los respectivos sitios web de los cursos.<\/p>\n\n\n\n \u00a0 Estos cursos de \u00e1lgebra abarcan desde la introducci\u00f3n al \u00e1lgebra hasta los modelos lineales y el \u00e1lgebra matricial.\u00a0El \u00e1lgebra es \u00fatil en la computaci\u00f3n y la ciencia de datos en general, y abarca algunos de los conceptos principales para impulsar algunos algoritmos de aprendizaje autom\u00e1tico, incluidas las redes neuronales.\u00a0Las descripciones provienen directamente de los respectivos sitios web de los cursos.<\/p>\n\n\n\n \u00a0 Estos cursos de c\u00e1lculo cubren temas desde el prec\u00e1lculo preparatorio hasta la diferenciaci\u00f3n, integraci\u00f3n, c\u00e1lculo multivariado y ecuaciones diferenciales.\u00a0El c\u00e1lculo tiene usos amplios, en general, y contiene conceptos b\u00e1sicos que impulsan el funcionamiento de las redes neuronales.\u00a0Las descripciones provienen directamente de los respectivos sitios web de los cursos.<\/p>\n\n\n\n \u00a0 La estad\u00edstica y la probabilidad son las bases de la ciencia de datos, m\u00e1s que cualquier otra familia de conceptos matem\u00e1ticos.\u00a0Estos cursos lo ayudar\u00e1n a prepararse para ver los datos a trav\u00e9s de la lente estad\u00edstica y con un ojo probabil\u00edstico cr\u00edtico.\u00a0Las descripciones provienen directamente de los respectivos sitios web de los cursos.<\/p>\n\n\n\n \u00a0 Estos son temas de matem\u00e1ticas directamente relacionados con la ciencia de datos y el aprendizaje autom\u00e1tico.\u00a0Pueden incluir material de los cursos anteriores y tambi\u00e9n pueden ser m\u00e1s elementales que algunos de los anteriores.\u00a0Sin embargo, pueden ser \u00fatiles para repasar material que quiz\u00e1s no hayas estudiado en un tiempo y que es especialmente pertinente para la pr\u00e1ctica de la ciencia de datos.\u00a0Las descripciones provienen directamente de los respectivos sitios web de los cursos.<\/p>\n\n\n\n
Este curso es una introducci\u00f3n a la l\u00f3gica desde una perspectiva computacional.\u00a0Muestra c\u00f3mo codificar informaci\u00f3n en forma de oraciones l\u00f3gicas;\u00a0muestra c\u00f3mo razonar con informaci\u00f3n en esta forma;\u00a0y proporciona una descripci\u00f3n general de la tecnolog\u00eda l\u00f3gica y sus aplicaciones, en matem\u00e1ticas, ciencia, ingenier\u00eda, negocios, derecho, etc.<\/li><\/ul>\n\n\n\n
Los matem\u00e1ticos profesionales piensan de una manera determinada para resolver problemas reales, problemas que pueden surgir del mundo cotidiano, o de la ciencia, o de la propia matem\u00e1tica.\u00a0La clave del \u00e9xito en las matem\u00e1ticas escolares es aprender a pensar dentro de la caja.\u00a0En contraste, una caracter\u00edstica clave del pensamiento matem\u00e1tico es pensar fuera de la caja, una habilidad valiosa en el mundo actual.\u00a0Este curso ayuda a desarrollar esa forma crucial de pensar.<\/li><\/ul>\n\n\n\n
En esta secci\u00f3n hemos proporcionado una colecci\u00f3n de cursos y recursos de matem\u00e1ticas de todo el MIT.\u00a0Algunos son materiales que se utilizaron para ense\u00f1ar a los estudiantes universitarios del MIT, mientras que otros fueron dise\u00f1ados espec\u00edficamente para estudiantes de secundaria.<\/li><\/ul>\n\n\n\n
\u00c1lgebra<\/strong><\/p>\n\n\n\n
curso cubre los fundamentos del \u00e1lgebra, resoluci\u00f3n de ecuaciones y desigualdades, trabajo con unidades, ecuaciones y gr\u00e1ficos lineales, formas de ecuaciones lineales, sistemas de ecuaciones, desigualdades (sistemas y gr\u00e1ficos), funciones, secuencias, valor absoluto y funciones por partes, exponentes y radicales, crecimiento y disminuci\u00f3n exponencial, cuadr\u00e1ticas (multiplicar y factorizar), funciones y ecuaciones cuadr\u00e1ticas, n\u00fameros irracionales.<\/li><\/ul>\n\n\n\n
curso cubre aritm\u00e9tica polinomial, n\u00fameros complejos, factorizaci\u00f3n polinomial, divisi\u00f3n polinomial, gr\u00e1ficos polinomiales, exponentes racionales y radicales, modelos exponenciales, logaritmos, transformaciones de funciones, ecuaciones, trigonometr\u00eda, modelado, funciones racionales.<\/li><\/ul>\n\n\n\n
Esta es una materia b\u00e1sica sobre teor\u00eda de matrices y \u00e1lgebra lineal.\u00a0Se hace \u00e9nfasis en temas que ser\u00e1n \u00fatiles en otras disciplinas, incluidos los sistemas de ecuaciones, espacios vectoriales, determinantes, valores propios, similitud y matrices definidas positivas.<\/li><\/ul>\n\n\n\n
A trav\u00e9s de videos cortos, ejercicios, visualizaciones y asignaciones de programaci\u00f3n, estudiar\u00e1 operaciones vectoriales y matriciales, transformaciones lineales, resoluci\u00f3n de sistemas de ecuaciones, espacios vectoriales, m\u00ednimos cuadrados lineales. y autovalores y autovectores.\u00a0Adem\u00e1s, podr\u00e1 echar un vistazo a la investigaci\u00f3n de vanguardia sobre el desarrollo de bibliotecas de \u00e1lgebra lineal, que se utilizan en toda la ciencia computacional.<\/li><\/ul>\n\n\n\n
En este curso en l\u00ednea de introducci\u00f3n al an\u00e1lisis de datos, utilizaremos el \u00e1lgebra matricial para representar los modelos lineales que se utilizan com\u00fanmente para modelar diferencias entre unidades experimentales.\u00a0Realizamos inferencias estad\u00edsticas sobre estas diferencias.\u00a0A lo largo del curso utilizaremos el lenguaje de programaci\u00f3n R para realizar operaciones matriciales.<\/li><\/ul>\n\n\n\n
C\u00e1lculo<\/strong><\/p>\n\n\n\n
curso cubre n\u00fameros complejos, polinomios, funciones compuestas, trigonometr\u00eda, vectores, matrices, series, secciones c\u00f3nicas, probabilidad y combinatoria.<\/li><\/ul>\n\n\n\n
curso cubre l\u00edmites y continuidad, derivadas: definiciones y reglas b\u00e1sicas, derivadas: regla de cadena y otros temas avanzados, aplicaciones de derivadas, an\u00e1lisis de funciones, integrales, ecuaciones diferenciales, aplicaciones de integrales.<\/li><\/ul>\n\n\n\n
curso cubre la revisi\u00f3n de integrales, t\u00e9cnicas de integraci\u00f3n, ecuaciones diferenciales, aplicaciones de integrales, ecuaciones param\u00e9tricas, coordenadas polares y funciones con valores vectoriales, series.<\/li><\/ul>\n\n\n\n
curso cubre el pensamiento sobre funciones multivariadas, derivadas de funciones multivariadas, aplicaciones de derivadas multivariadas, integraci\u00f3n de funciones multivariadas, Green\u2019s, Stokes \u2018y los teoremas de divergencia.<\/li><\/ul>\n\n\n\n
curso cubre ecuaciones diferenciales de primer orden, ecuaciones diferenciales de segundo orden, transformada de Laplace.<\/li><\/ul>\n\n\n\n
El enfoque y los temas del curso Introducci\u00f3n al c\u00e1lculo abordan los fundamentos m\u00e1s importantes para las aplicaciones de las matem\u00e1ticas en la ciencia, la ingenier\u00eda y el comercio.\u00a0El curso enfatiza las ideas clave y la motivaci\u00f3n hist\u00f3rica para el c\u00e1lculo, mientras que al mismo tiempo logra un equilibrio entre la teor\u00eda y la aplicaci\u00f3n, lo que conduce a un dominio de los conceptos clave de umbral en las matem\u00e1ticas fundamentales.<\/li><\/ul>\n\n\n\n
Estad\u00edstica y probabilidad<\/strong><\/p>\n\n\n\n
curso cubre el an\u00e1lisis de datos categ\u00f3ricos, la visualizaci\u00f3n y comparaci\u00f3n de datos cuantitativos, el resumen de datos cuantitativos, el modelado de distribuciones de datos, la exploraci\u00f3n de datos num\u00e9ricos bivariados, el dise\u00f1o del estudio, la probabilidad, el conteo, permutaciones y combinaciones, variables aleatorias, muestreo distribuciones, intervalos de confianza, pruebas de significancia, inferencia de dos muestras para la diferencia entre grupos, inferencia para datos categ\u00f3ricos, regresi\u00f3n avanzada, an\u00e1lisis de varianza<\/li><\/ul>\n\n\n\n
estad\u00edstica es la ciencia de convertir los datos en conocimientos y, en \u00faltima instancia, en decisiones.\u00a0Detr\u00e1s de los avances recientes en el aprendizaje autom\u00e1tico, la ciencia de datos y la inteligencia artificial se encuentran los principios estad\u00edsticos fundamentales.\u00a0El prop\u00f3sito de esta clase es desarrollar y comprender estas ideas centrales sobre bases matem\u00e1ticas firmes a partir de la construcci\u00f3n de estimadores y pruebas, as\u00ed como un an\u00e1lisis de su desempe\u00f1o asint\u00f3tico.<\/li><\/ul>\n\n\n\n
Introduciremos conceptos importantes como variables aleatorias, independencia, simulaciones de Monte Carlo, valores esperados, errores est\u00e1ndar y el teorema del l\u00edmite central.\u00a0Estos conceptos estad\u00edsticos son fundamentales para realizar pruebas estad\u00edsticas sobre datos y comprender si es probable que los datos que est\u00e1 analizando se produzcan debido a un m\u00e9todo experimental o al azar.<\/li><\/ul>\n\n\n\n
El curso cubre todos los conceptos b\u00e1sicos de probabilidad, que incluyen: m\u00faltiples variables aleatorias discretas o continuas, expectativas y distribuciones condicionales, leyes de los grandes n\u00fameros, las principales herramientas de los m\u00e9todos de inferencia bayesianos , una introducci\u00f3n a los procesos aleatorios (procesos de Poisson y cadenas de Markov)<\/li><\/ul>\n\n\n\n
En primer lugar, analizaremos c\u00f3mo interpretar correctamente los valores p, los tama\u00f1os del efecto, los intervalos de confianza, los factores de Bayes y las razones de probabilidad, y c\u00f3mo estas estad\u00edsticas responden a diferentes preguntas que pueden interesarle. Luego, aprender\u00e1 a dise\u00f1ar experimentos en los que Se controla la tasa de falsos positivos y c\u00f3mo decidir el tama\u00f1o de la muestra para su estudio, por ejemplo, para lograr un alto poder estad\u00edstico.\u00a0Posteriormente, aprender\u00e1 a interpretar la evidencia en la literatura cient\u00edfica dado el sesgo de publicaci\u00f3n generalizado, por ejemplo, aprendiendo sobre el an\u00e1lisis de la curva p.\u00a0Finalmente, hablaremos sobre c\u00f3mo hacer filosof\u00eda de la ciencia, construcci\u00f3n de teor\u00edas y ciencia acumulativa, incluido c\u00f3mo realizar estudios de replicaci\u00f3n, por qu\u00e9 y c\u00f3mo prerregistrar su experimento y c\u00f3mo compartir sus resultados siguiendo los principios de Open Science.<\/li><\/ul>\n\n\n\n
Este curso le presenta el muestreo y la exploraci\u00f3n de datos, as\u00ed como la teor\u00eda b\u00e1sica de la probabilidad y la regla de Bayes.\u00a0Examinar\u00e1 varios tipos de m\u00e9todos de muestreo y discutir\u00e1 c\u00f3mo dichos m\u00e9todos pueden afectar el alcance de la inferencia.\u00a0Se cubrir\u00e1 una variedad de t\u00e9cnicas de an\u00e1lisis de datos exploratorios, incluidas estad\u00edsticas de resumen num\u00e9rico y visualizaci\u00f3n de datos b\u00e1sicos.\u00a0Se le guiar\u00e1 a trav\u00e9s de la instalaci\u00f3n y el uso de R y RStudio (software estad\u00edstico gratuito), y utilizar\u00e1 este software para ejercicios de laboratorio y un proyecto final.\u00a0Los conceptos y t\u00e9cnicas de este curso servir\u00e1n como bloques de construcci\u00f3n para los cursos de inferencia y modelado en la especializaci\u00f3n.<\/li><\/ul>\n\n\n\n
did\u00e1ctico para un par de cursos relacionados cubre la introducci\u00f3n a la probabilidad, distribuciones discretas, distribuciones continuas, distribuciones bivariadas, distribuciones de funciones de variables aleatorias, estimaci\u00f3n, pruebas de hip\u00f3tesis, m\u00e9todos no param\u00e9tricos, m\u00e9todos bayesianos, y m\u00e1s.<\/li><\/ul>\n\n\n\n
Matem\u00e1ticas para ciencia de datos y aprendizaje autom\u00e1tico<\/strong><\/p>\n\n\n\n
Los cursos de ciencia de datos contienen matem\u00e1ticas, \u00a1no hay que evitarlo!\u00a0Este curso est\u00e1 dise\u00f1ado para ense\u00f1ar a los estudiantes las matem\u00e1ticas b\u00e1sicas que necesitar\u00e1n para tener \u00e9xito en casi cualquier curso de matem\u00e1ticas de ciencia de datos y fue creado para estudiantes que tienen habilidades matem\u00e1ticas b\u00e1sicas pero que pueden no haber tomado \u00e1lgebra o pre-c\u00e1lculo.\u00a0Data Science Math Skills presenta las matem\u00e1ticas b\u00e1sicas sobre las que se basa la ciencia de datos, sin complejidad adicional, presentando ideas desconocidas y s\u00edmbolos matem\u00e1ticos uno a la vez.<\/li><\/ul>\n\n\n\n