Introducción a la inferencia causal con ejemplos sencillos y AB Testing. Descubre cómo conectar los puntos y distinguir correlación de causalidad usando herramientas prácticas y Python.
Matematica
Introducción al pensamiento lógico. Introducción. ¿Qué es la Lógica?. Lógica inductiva y deductiva. Falacias. Juegos de lógica.
Sistemas dinámicos, Complejidad y Caos con Python. Introducción. ¿Qué es un sistema complejo?. ¿Qué es la teoría del caos?. El efecto mariposa. El mapa logístico. El extraño atractor de Lorenz. El juego del caos de Barnsley.
Sistema Binario, números binarios, convertir Binario a Decimal, convertir Decimal a Binario, suma de Binarios, Resta de Binarios, multiplicación de Binarios, División de Binarios, números binarios con Python.
Introducción a la inferencia Bayesiana con Python. La incertidumbre y el problema de la inducción, El teorema de Bayes, inferencia bayesiana, redes Bayesianas, Programación probabilística y PyMC3, Bayes ingenuo.
Simulación de Monte-Carlo con Python. Números aleatorios, cadenas de Markov, algoritmo Metropolis-Hastings, métodos MCMC.
Series de tiempo con python. Qué es una serie de tiempo, series de tiempo estacionarias, aplicaciones, ejemplos en python.
Factorización de matrices con python. Qué es una factorización de matrices, importancia en Machine learning, factorización de matrices en sistemas de ecuaciones lineales, matrices dispersas y no negativas, descomposición de valores singulares(SVD), análisis de componentes principales(PCA), sistemas de recomendación, ejemplos en python.
Derivadas parciales con Python. Qué es una ecuación en derivadas parciales, clasificación, cómo resolverlas, condiciones inicial y de frontera, ejemplos en python.
El número e. Qué es el número e, su historia, Euler, cómo calcularlo, su importancia en finanzas, ejemplo en python.