Udemy

Platform

Español

Language

Math

Category

Probabilidad para Machine Learning y Big Data con R y Python

Vamos a ver las bases de R y Python aplicado al mundo de las probabilidades y variables aleatoria para Machine Learning

4.86 (206 reviews)

Students

45 hours

Content

Jun 2021

Last Update
Regular Price

SKILLSHARE
SkillShare
Unlimited access to 30 000 Premium SkillShare courses
30-DAY FREE TRIAL

What you will learn

Resolver problemas del ámbito de la probabilidad usando el entorno estadístico R y el lenguaje Python en combinación

Cálculo de probabilidades básicas y conceptos relacionados como la independencia

Estudiar las variable aleatorias continuas y discretas

Conocer y entender las distribuciones de probabilidad más famosas como la familia de las binomiales, Poisson, exponencial, normal o uniforme entre muchas otras

Realizar un análisis exhaustivo de los momentos, las funciones características y generadoras de momentos, así como el sesgo o la curtosis

Realizar el análisis de variables bidimensionales y entender las correlaciones e independencia entre variables dos a dos

Extender los conceptos de correlación e independencia a muchas variables o vectores aleatorios

Estudiar la convergencia en probabilidad, en distribución o casi segura de variables aleatorias para culminar con el Teorema Central de Límite


Description

Apúntate ahora a nuestro gran curso de probabilidad y variables aleatorias para ML con R y Python. Conoce todas las bases. Entraremos en un mundo fascinante de números.


Conoce todo el mundo de las probabilidades y las variables aleatorias. De la mano de Ricardo Alberich, Juan Gabriel Gomila y Arnau Mir. Asienta las bases para convertirte en el Data Scientist del futuro. Con todo el contenido de probabilidades, variables aleatorias discretas y continuas. Desde una variable hasta multidimensionales e incluso los conceptos de convergencia y el Teorema Central del Límite.

Hablamos de un curso realmente interesante y a un gran precio. Estamos seguros de que no encontrarás algo similar en el mercado. Hemos trabajado duramente en él para ofrecerte lo mejor. Aprenderás de los mejores en este campo. Contamos con gran experiencia en el mundo de la enseñanza online.

En particular verás los mismos contenidos que explicamos en los grados de carrera. Dirigido a matemáticos, ingenieros, economistas, biólogos, médicos o informáticos. Vamos a conocer todo aquello que estudiaremos.

¿Qué aprenderás?

  • Repaso de uso básico de R y RStudio y de Anaconda Navigator para Python.

  • Cálculo de Probabilidades. Con todas las propiedades, teorema de Bayes, probabilidad condicionada e independencia de sucesos.

  • Variables aleatorias continuas y discretas. Incluyendo la función de probabilidad, de densidad y de distribución.

  • Distribuciones notables. Como la binomial, la geométrica, la uniforme, la exponencial o la normal entre otras.

  • Complementos avanzados de variables aleatorias. Como momentos, sesgo, curtosis, función generadora de momentos y función característica. Y aplicaciones de las mismas (fiabilidad, entropía o generación de distribuciones).

  • Variables bidimensionales. Para adentrarte en el mundo de las varias variables

  • Variables multidimensionales. Para llevar tu capacidad de análisis probabilístico necesario para el machine learning y la inteligencia artificial a otro nivel. Analizando cientos o miles de variables a la vez

  • Convergencia de variables aleatorias y Teorema Central del límite. Que son la base de la estadística moderna, el ML y la IA.

  • Además contarás con el Repositorio Github. Con todo el material del curso. Para disponer de los mismos scripts que usamos en clase desde el minuto inicial.

  • Cientos de ejercicios, tareas y talleres. Con la meta de complementar la formación en el curso. Por tanto, una aprendizaje bastante práctico.

Continúa aprendiendo

Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila. Además de todos los cursos avanzados de estadística, de Machine Learning o Inteligencia Artificial con Python o RStudio. O también el Curso de Data Science con Tidyverse y RStudio.

Además, todo el material del curso está enfocado en resolver los problemas de falta de base en el ámbito de estadística inferencial. Unas dificultades que presentan los estudiantes de esos cursos avanzados. Y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos. Tomando los otros cursos con garantías de éxito. Sin duda, una gran oportunidad de crecimiento.


Screenshots

Probabilidad para Machine Learning y Big Data con R y Python
Probabilidad para Machine Learning y Big Data con R y Python
Probabilidad para Machine Learning y Big Data con R y Python
Probabilidad para Machine Learning y Big Data con R y Python

Content

Introducción

Introducción

Conoce a los profesores del curso Ricardo Alberich y Arnau Mir

Conoce a Juan Gabriel Gomila, tu instructor en Udemy

La comunidad de Discord para aprender online

Repositorio Github del curso de probabilidad y variables aleatorias

No valores el curso hasta no llevar más contenido visualizado

Cómo hacer preguntas en el curso de Udemy

Pre requisitos del curso

Instalar y dominar las herramientas del curso

Cómo instalar R y RStudio

Navegar por la interfaz de RStudio

Ficheros, scripts y R markdowns

Instalación de Python y Anaconda

La librería reticulate

¿Donde puedo encontrar más ayuda si me falta base de R o Python?

Preliminares del curso

Intro: Los preliminares para entender la probabilidad

Matemática Discreta, Cálculo y Álgebra, lo que deberías saber para el curso

Conjuntos

Operaciones con conjuntos

Repaso de Combinatoria

Combinaciones y Permutaciones con Repetición

Principios básicos de cardinalidad

Ejercicios: repaso de combinatoria

Últimos consejos y necesidades

Cuestionario de preliminares del curso

Probabilidad

Intro: El fantástico mundo de la probabilidad

Introducción a sucesos y espacios muestrales

Ejercicio: urnas con y sin reposición

Operaciones con sucesos y sus propiedades

Definición de probabilidad

Propiedades y ejemplos de probabilidad

Ejercicio: operaciones con sucesos y sus probabilidades

Probabilidad condicionada

Propiedades de la probabilidad condicionada

Teorema de la probabilidad total

Clasificación o diagnósticos

Falsos positivos y falsos negativos

Fórmula de Bayes

Ejercicio: fórmula de Bayes

Independencia de sucesos

Ejercicio: independencia

Cuestionario de probabilidad

Problemas clásicos del mundo de la probabilidad

Los problemas del Caballero de Meré, Pascal y Fermat

El problema de la apuesta interrumpida

El problema de la apuesta ventajosa

El problema de Monty Hall

Más sobre Monty Hall y Allá tú!

Las manos de Poker

Caso general de urnas y extracción de bolas

Análisis de enfermedades y vacunas

Transmisión de datos con errores

La probabilidad de la bomba en el avión

Errores financieros

Ejercicios finales de probabiidad

Variables aleatorias discretas

Intro: Las variables aleatorias y sus propiedades

Variables aleatorias

Tipos de variables aleatorias

Variables aleatorias discretas. Función de probabilidad

Propiedades de la función de probabilidad

Ejercicio: bolas y urnas

Función de distribución

Ejercicio: función de probabilidad

Valor esperado

Propiedades y séries geométricas

Ejercicio: el juego justo de los dados

Momentos de orden m

Varianza y desviación típica

Ejercicio: cálculo de esperanzas y varianzas discretas

Ejercicio: la nota del examen para que sea justo

Transformaciones lineales de variables aleatorias

Ejercicio: transformaciones de v.a. discretas

Cuestionario de variables aleatorias discretas

Variables aleatorias continuas

Variables aleatorias contínuas

Función de densidad

Utilidad de la función de densidad

Ejercicio: función de densidad

Esperanza y varianza para variables aleatorias contínuas

Ejercicio: cálculo de esperanzas y varianzas contínuas

Cómo calcular cuantiles de una variable aleatoria

Transformaciones de variables aleatorias

Ejercicio: transformaciones de v.a. contínuas

Ejercicio: Más sobre transformaciones de variables aleatorias

Desigualdad de Markov

Desigualdad de Chebychev

Utilidad práctica de las desigualdades de Markov y Chebychev

Ejercicio: Variables aleatorias mixtas

Ejercicio: el porcentaje de ocurrencias solo conociendo la esperanza y varianza

Ejercicio: políticos y elecciones

Cuestionario de variables aleatorias continuas

Distribuciones notables discretas

Intro: Las distribuciones más conocidas

Las distribuciones notables discretas

La distribución de Bernoulli

La distribución Binomial

La distribución Binomial con R y Python

Un ejemplo al completo de la distribución Binomial

La distribución geométrica

La esperanza y varianza de una distribución geométrica

Cómo contar el número de intentos hasta el primer éxito

La propiedad de falta de memoria

Ejemplos de variables aleatorias geométricas

La distribución gométrica con R y Python

La distribución binomial negativa

Números binomiales negativos, esperanza y varianza de una BN

Ejemplo de la puerta con dos llaves

La binomial negativa con R y Python

Ejercicio: la puerta con tres contraseñas

La distribución de Poisson

La Poisson como límite de una binomial

Procesos de Poisson

Ejemplo de la lámpara anti insectos

La Poisson con R y Python

Ejercicio: los insectos contra la visera del casco

Ejercicio: experimentos de Poisson

Ejercicio: tiempo entre dos ocurrencias de Poisson

Ejercicio: tiempo entre n ocurrencias de Poisson

La distribución hipergeométrica

Ejemplo de las urnas sin reposición

Cuestionario de distribuciones notables discretas

Distribución hipergeométrica con R y Python

Ejercicio: sobre urnas, bolas y monedas

Distribuciones notables continuas

La distribución uniforme

Esperanza y varianza para una uniforme

Cambios lineales de la uniforme

Distribución uniforme en R y Python

Ejercicio: la desigualdad de Chebychev en una Uniforme

Cuantiles de variables aleatorias

Distribución exponencial

Distribución exponencial en R y Python

Ejercicio: el tiempo de vida del componente electrónico

Ejercicio: no llegues tarde a trabajar

Distribución normal

Distribución normal en R y Python

Propiedades de la Distribución normal

Cómo calcular cuantiles de la normal

Transformaciones lineales de variables aleatorias normales

Relación entre una distribución normal y la normal estándar.

Cuestionario de variables notables continuas

Ejercicio: el cuadrado de una uniforme

Ejercicio: relacionar una geométrica y una exponencial

Ejercicio: el valor absoluto de una normal

Ejercicio: transmisión sometida a errores aleatorios

Las tablas de las distribuciones más usuales

Nivel avanzado: Variables aleatorias. Complementos

Intro: Empieza a pensar como un matemático

Momentos de orden n

Momentos centrales de orden n

Asimetría de una variable aleatoria

Curtosis o apuntamiento de una variable aleatoria

Función generadora de momentos

Cómo calcular los momentos a partir de la función generatriz

Ejercicio: función generadora de momentos de una binomial

Ejercicio: función generadora de momentos de una Poisson

Ejercicio: la función de probabilidad a partir de la generadora de momentos

Ejercicio: La función generatriz acumulativa

Función característica de una variable aleatoria

Cómo calcular los momentos a partir de la función característica

Cómo medir la fiabilidad de un dispositivo

Generación de variables aleatorias con el método de la transformación

Cuestionario de complementos de variables aleatorias

Generación de variables aleatorias con el método de rechazo

Entropía de una variable aleatoria

Vectores aleatorios bidimensionales

Intro: El mundo de las dos dimensiones

Variables aleatorias bidimensionales

Funciones de distribución conjuntas

Un ejemplo de distribuciones conjuntas

Variables bidimensionales discretas

Ejercicio: contando ases y espadas

Propiedades de la función de probabilidad conjunta

Las variables marginales

Variables aleatorias continuas

Un ejemplo de función de densidad bidimensional

Ejercicio: la distribución uniforme en el interior de una circunferencia

Ejercicio: la distribución uniforme en el interior de un cuadrado

Ejercicio: probabilidad en los extremos de un rectángulo

La distribución normal bivariante

Independencia de v.a. discretas

Independencia de v.a. continuas

Independencia vs funciones de distribución

Momentos de variables bidimensionales

Momentos de variables bidimensionales independientes

Ejercicio: valores esperados de transformaciones no lineales

Covarianza entre variables aleatorias

Ejercicio: cálculo de la covarianza de una variable aleatoria

Ejercicio: relación entre la covarianza y las varianzas

Coeficiente de Correlación

Ejercicio: la suma de dos uniformes independientes en el intervalo (0,1)

Variables aleatorias condicionales discretas

Variables aleatorias condicionales continuas

Valores esperados condicionales

Ejercicio: regresión de una variable aleatoria discreta

Ejercicio: ¿Sabiendo cómo de tarde llega al trabajo, a qué hora se levantó?

Funciones de variables aleatorias bidimensionales

Transformaciones lineales de variables aleatorias

Transformaciones generales de variables aleatorias

Ejercicio: función generadora de momentos en dos variables

Cuestionario de variables aleatorias bidimensionales

Vectores aleatorios

Intro: Vivimos en un mundo n-dimensional

Vectores aleatorios en espacios n-dimensionales

Función de distribución conjunta

Vectores aleatorios discretos

Vectores aleatorios marginales

Vectores aleatorios continuos

Normal multivariante

Independencia de variables aleatorias

Ejercicio: suma de variables aleatorias binomiales independientes

Ejercicio: variables aleatorias de Poisson independientes

Ejercicio: el peso máximo soportado por el ascensor

Momentos conjuntos y valores esperados conjuntos

Propiedad del valor esperado de la suma de variables

Valor esperado de una función de dos variables aleatorias independientes

Propiedades de la covarianza

Ejercicio: funciones generadoras de momentos y variables normales

Ejercicio: el tiempo que el operario atiende a los clientes de la gasolinera

Cuestionario sobre variables aleatorias multidimensionales

Ley de los grandes números y Teorema Central del Límite

Intro: El fundamento de la estadística, el ML y la IA

Muestras aleatorias simples

Sucesiones de variables aleatorias

Convergencia casi segura

Convergencia en probabilidad

Convergencia en ley o en distribución

Relación entre las distintas convergencias

Leyes débiles de los grandes números

Consecuencias de la ley débil de los grandes números

Convergencia de los momentos muestrales

Leyes fuertes de los grandes números

Ejercicio: cómo acotar las probabilidades de una binomial

Teorema Central del Límite

Cómo se usa el TCL en el mundo de la estadística inferencial y el ML

Teorema de Moivre-Laplace

Corrección de continuidad de Fisher

Simulación del Teorema Central del Límite

Ejercicio: lanzando dados en el casino

Ejercicio: lanzando canastas en baloncesto

Ejercicio: lanzamiento de dados

Ejercicio: los errores de imprenta de un libro

Ejercicio: aproximación de números reales por enteros

Ejercicio: previsión de ventas en la papelería

Cuestionario de leyes de los grandes números y Teorema Central del Límite

Enhorabuena por completar el curso

Enhorabuena por completar el curso, ahora a aprender estadística inferencial!

BONUS: Un regalo para ti


Reviews

U
Uriel1 January 2021

Muy buen curso, siento que los tres profesores son realmente conocedores vastos de su tema, mis respetos para ellos. Aprendí algunos temas nuevos de probabilidad que ni en la universidad nos enseñaron! :)

D
Diego30 December 2020

El curso se maneja bastante bien y como nos aclaran en la introducción, se inicia con un nivel básico y vas avanzando a pasos gigantes, aún no lo termino, pero sin duda el aprendizaje que llevo en este momento a ido mas allá de mis expectativas. De haber sabido que este curso existía en mis tiempos de estudiante, la carrera hubiera sido otra cosa (me hubiera llevado menos desvelos, menos estrés y sin duda mejores calificaciones).

M
Martín11 October 2020

Este curso fue una locura. La alegría y satisfacción que tengo por haberlo terminado no se imaginan. Fue duro, no lo voy a negar, pero me dio unas herramientas, una preparación, por sobre todo a formarme en el ámbito emocional, a no bajar los brazos, a seguir peleándola a pesar de los fracasos, a subir una y otra vez la montaña a pesar de haberme caído una y mil veces. Los profesores son excelentes, realmente te sacan el Rocky que uno lleva dentro. El único requisito para mi que hace falta es mucha voluntad y no pienses que es un curso rápido, no, me ha llevado 2 meses y pico completarlo y es que es muy pero muy completo orientado a que te formes en el ámbito de la probabilidad de verdad. Un saludo enorme a los profesores de este curso que me han acompañado durante el mismo y muchas gracias.

J
Juan19 September 2020

Cumplió ampliamente mis expectativas, sin embargo espero el curso "Calculo" para repasar todos los aspectos con integrales, derivas, limites, etc.

R
Raul17 August 2020

Excelente curso lo recomiendo estaba pensando en estudiar un master en probabilidad y estadísticas, después de analizar los temarios veo que aquí y en el curso de estadísticas se cubre casi todo

A
Aurelio17 June 2020

Buen curso, a veces cuesta seguir las transparencias(diapositivas) porque algunas veces no sigue lo que dice con el cursor y te puedes perder pero en general ha sido un buen curso sobretodo si estas por estudiar Probabilidad en la Universidad.

O
Oscar16 June 2020

Curso con información valiosa pero con mucho tecnicismo. Faltarían más ejercicios de ejemplo con números y sobre todo más explicaciones con dibujos ya que así es más entendible todo y no en todos los temas los hay, también se haría más ameno. Marea un poco ir cambiando de diapositivas mientras está explicando y falta señalizar con algún puntero o mouse por donde va (independientemente de que tengamos las transparencias para leerlas), ya que si es algo que no sabes y no lo entiendes, con las explicaciones mejor enfocadas, se podría entender mejor. Por lo demás muy bien. El libro y el shiny excelentes, me han gustado muchísimo.

S
Saúl14 June 2020

Este curso me ha parecido más completo de lo que esperaba, es muy claro y quedo completamente satisfecho con el.

S
Sebastián23 April 2020

Este es un excelente curso, muy al nivel de los profesores. Es un curso complejo pero vale la pena. Todo esta explicado de manera clara para abarcar distintos niveles sin comprometer el nivel de los contenidos, ni el formalismo matemático de ellos. Todo para generar unas bases solidas para la estadística y lo que viene después. Lo recomiendo mucho. Es bueno comenzar con una base de calculo, para llevarlo mucho mejor, pero no es algo indispensable puesto que Juan explica los conceptos que utiliza paso a paso, y el resto de los profesores responden dudas en el foro constantemente. Muy recomendable si quieres conocer las bases teóricas de la estadística para aplicar luego con seguridad y fundamento, o simplemente te gusta la matemática y querés conocer del tema

J
Johnny5 February 2020

La verdad es que este es el 3er curso de la ruta de aprendizaje. Quizás te puede resultar un poco tostón los del principio pero cada vez se pone mas interesante, y en este curso se nota. Profundizarás más que lo que se da en ingeniería, y además en Python y R.

F
Fausto3 January 2020

Excelente compra, el curso es bastante completo y con varios ejemplos para entenderlo mejor. Así como tareas propuestas para afianzar los conocimientos. Responden rápido a dudas planteadas en foro de Udemy. De hecho he comprado más cursos de este profesor por la buena experiencia. Eso si, al ser matemáticas y querer entenderlo bien las horas de contenido se hacen más largas, pues para que lo entiendas y reflexiones lo vas pausando, yo diría que al menos x3 (en mi caso)

Y
Yeison2 January 2020

Ayuda a fortalecer las bases de la estadística y análisis de datos. Es un excelente curso (como todos los cursos del profe Juan Gabriel) ya que da las bases teórico-practicas para en análisis de datos y el ML

A
Antonio28 December 2019

En la carrera de ingeniería dí estos conceptos pero de esta forma veo la aplicación en el mundo real. Buen trabajo!!

J
Jhon7 December 2019

Como ya tengo algunos conocimientos en el tema, a ratos me cuesta que vaya lento; pero cuando es algo que no se o no he aplicado (en la mayoría de los casos) está perfecto la velocidad de la explicación

S
Setfilenic20 November 2019

tengo mucha ilusion pero no sabremos aun si voy a entender algo ... pinta muy bien y tanto ricardo como arnau parecen que estan dispuestos a que incluso yo lo entiend a.. vamos ...


Coupons

DateDiscountStatus
11/18/202094% OFFExpired
2/24/202194% OFFExpired
3/9/202194% OFFExpired
6/27/202194% OFFExpired
7/9/202194% OFFValid

2521460

Udemy ID

8/22/2019

Course created date

11/21/2019

Course Indexed date
Bot
Course Submitted by