Curso actualmente no disponible
Curso Avanzado de Estadística para Machine Learning con Python
Curso
En línea
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Descripción
-
Tipología
Curso
-
Nivel
Nivel avanzado
-
Metodología
En línea
-
Horas lectivas
24h
-
Duración
1 Mes
SE OTORGAN 22 HECSE
Mejorar su efectividad en cualquier posición o puesto, así como adquirir nuevas capacidades que les permitan desempeñarse eficientemente en otras áreas de competencia, ya sean las existentes u otras estrechamente relacionadas.
Acerca de este curso
Cumplir con su compromiso de mantener y de mejorar las habilidades que apoyen su competencia profesional y técnica.
Opiniones
Materias
- Estadística
- Machine learning
- Python
- Programacion
- Intervalos de Confianza
- ANOVA
- Correlación
- Regresión
Profesores
Equipo Docente
Director
Programa académico
- 1.1. Principio BEBS GIGO)
- 1.2. Estandarización con Puntuación Z (z-score)
- 1.3. Escalamiento Min-Max
- 1.4. ¿Qué son los Valores Atípicos y por qué son peligrosos?
- 1.5. Remoción de Valores Atípicos, Método de Puntuación-Z (z-score)
- 1.6. Detección de Valores Atípicos Multivariados
- 1.7. Remoción de Valores Atípicos con Recortes a los Datos (data trimming)
- 2.1. ¿Qué es la probabilidad?
- 2.2. Probabilidad vs Proporción
- 2.3. Masa Probabilística vs Densidad
- 2.4. Distribuciones de Probabilidad Acumulativas
- 2.5. Variabilidad en el Muestreo, Ruido y otras Perturbaciones
- 2.6. Valores Esperados
- 2.7. Probabilidad Condicional
- 2.8. Ley de los Grandes Números
- 2.9. Teorema del Límite Central
- 3.1. Variables Dependientes e Independientes
- 3.2. ¿Qué es una Hipótesis y cómo especificamos una?
- 3.3. Distribuciones Muestrales bajo Hipótesis Nula y Alternativa
- 3.4. P-Valores
- 3.5. Grados de Libertad
- 3.6. Errores Tipo 1 y Tipo 2
- 3.7. Pruebas Paramétricas vs No Paramétricas
- 3.8. Relevancia Estadística
- 3.9. Validación Cruzada
- 4.1. Propósito e Interpretación
- 4.2. Prueba T de Una Muestra
- 4.3. Prueba T de Dos Muestras
- 4.4. Pruebas T No Paramétricas (Wilcoxon, Mann-Whitney)
- 5.1. ¿Qué son los Intervalos de Confianza?
- 5.2. Intervalos de Confianza con Bootstraping (Remuestreo)
- 6.1. ¿Qué es y qué representa la correlación?
- 6.2. Correlación y Covarianza
- 6.3. Matríz de Correlación
- 6.4. Correlación Parcial
- 6.5. Correlación No Paramétrica
- 7.1. ¿Qué es ANOVA?
- 7.2. Suma de Cuadrados
- 7.3. Prueba F y la Tabla ANOVA
- 7.4. Prueba Ómnibus
- 7.5. ANOVA Unifactorial (one-way)
- 7.6. ANOVA Bifactorial (two-way)
- 8.1. Modelo Lineal Generalizado (GLM)
- 8.2. Método de Mínimos Cuadrados
- 8.3. Evaluando Modelos de Regresión: R2 y F
- 8.4. Regresión Simple
- 8.5. Regresión Múltiple
- 8.6. Regresión Logística
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Curso Avanzado de Estadística para Machine Learning con Python