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.
Python
Problemas de Optimización con Python. ¿Qué es un problema de optimización?, requisitos, clasificación, programación lineal, optimización convexa, librerías de python, SciPy, CVXopt, PuLP, Pyomo, optimización con restricciones, mínimos cuadrados, el problema de transporte, ejemplos en python.
Simulación de Monte-Carlo con Python. Números aleatorios, cadenas de Markov, algoritmo Metropolis-Hastings, métodos MCMC.
Probabilidad con python. Teoría de probabilidad, espacio de muestreo, ley de grandes números, teorema del límite central y probabilidad .
Series de tiempo con python. Qué es una serie de tiempo, series de tiempo estacionarias, aplicaciones, ejemplos en python.
Visualización de datos con python. Análisis de datos, cómo elegir la visualización adecuada, librerías de python, bokeh, folium, seaborn, matplotlib.
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.
Redes neuronales convolucionales con python. Qué son las redes neuronales convolucionales, su estructura, aplicaciones en imágenes, ejemplo con TensorFlow.
Distribuciones estadísticas con python. Qué es una distribución, para qué sirven, como graficarlas, histograma, función de masa de probabilidad, función de distribución acumulada, función de densidad de probabilidad, distribuciones discretas y continuas, ejemplos en python.
Redes neuronales con python. Introducción a TensorFlow, redes neurales simples, perceptron multicapa, TensorBoard, ejemplo con MNIST dataset.