International Center for Advanced Studies

Cronograma

Martes Jueves
Marzo
10. Presentación de la materia. Concepto de probabilidad. Probabilidad conjunta, marginal y condicional. Reglas de la suma y el producto. Diferencia entre el enfoque frecuentista y bayesiano. Diapos; Notebook. 12. Introducción a python. Clases de objetos (listas, diccionarios, arreglos). Lectura de datos con numpy y pandas. Visualización de datos (scatter plots, histogramas, box plots, etc.). Notebook.
17.Teorema de Bayes. El problema de las tres puertas. Funciones de distribución de masa. Funciones de densidad de probabilidad. Función de verosimilitud. Priors. Diapos; Notebook Condicional. Notebook Inferencia. 19. Distribución de Poisson. Ejemplos de usos de funciones de distribución en python. Problema de los cumpleaños. Notebook.
24. Feriado26. Ejemplos de aplicaciones del Teorema de Bayes. A/B testing bayesiano. Ejemplo con distribución multinomial
Abril
31. Feriado (2 de abril) 2. La distribución normal, binormal y multinormal. Diapos; Notebook.
7. Mixtura de Gaussianas. Regresión lineal. Entrenamiento y validación. Sobreajuste.9. Feriado
14. Usos de la regresión lineal para clasificación y para regresión.16.
21. Técnicas de optimización.23.
28. Examen30.
Mayo
5. Aprendizaje supervisado I. 7.
12. Aprendizaje supervisado II14.
19. Redes Neuronales I (Fully-connected, perceptron)21.
26. Redes Neuronales II (convolucional, autoencoder)28.
Junio
2. Redes Neuronales III (GANNs, LSTM); Transfer learning4.
9.11.
16.18.
23. Examen25.