Estadística y probabilidad para Machine Learning








Descripción Este curso busca dar las bases de probabilidad y estadistica para poder entender los conceptos básicos de Machine Learning. Asimismo, el curso puede servir para adentrarse, simplemente, a los conceptos más básicos de la probabilidad y la estadística, donde el único requisito es tener nociones de matemáticas del bachillerato. Adicionalmente, se presenta material para abordar algunos algoritmos de Machine Learning, para aprender sobre Redes Neuronales y sobre Procesamiento de Lenguaje Natural.
A lo largo de este curso indagaremos en los siguientes temas:





Índice
    Parte 0: Conceptos de Python
    Parte 1: Introducción a la probabilidad
    Parte 2: Introducción a la estadística
    Parte 3: Introducción a las series de tiempo


Notas de Clase


Parte 0: Conceptos de Python

Libro completo del curso (PDF): Link



Parte 1: Introducción a la probabilidad

Sesión 1: | Probabilidad Clásica (Notas) | Notebook | Tarea |

Sesión 2: | Probabilidad condicional | Teorema de Bayes y variables aleatorias | Notebook | Tarea |

Parte 2: Introducción a la estadística

Sesión 3: | Introducción a la estadística y a la regresión lineal | Notebook | Tarea |

Sesión 4: | Análisis de supuestos y regresión logística | Notebook | Tarea |

Sesión 5: | Regresión lineal múltiple y más sobre regresión logística | Notebook | Tarea |

Sesión 6: | Otro tipo de regresiones y validación cruzada | Notebook | Tarea |

Parte 3: Introducción a las series de tiempo

Sesión 7: | Procesos estocásticos y series de tiempo | Notebook | Tarea |

Sesión 8: | Autocorrelación y descomposición clásica | Notebook | Tarea |

Sesión 9: | Modelos ARIMA | Notebook | Tarea |

Bibliografía complementaria:

  • Introducción a las series de tiempo con R
  • Introducción a la estadística con R
  • Introducción a la Probabilidad
  • Diversos libros sobre R
  • Diversos libros sobre Python
  • Apuntes de estadística en R (versión Beta): Regresión lineal simple y múltiple; series de tiempo (Link)


  • Parte 4: Algoritmos de Machine Learning