Machine Learning & AI for the Working Analyst

12 semanas
Martes a Viernes
18:30 a 20:30 CDT

Temario

1. Procesamiento de imágenes y perceptrón

2. Curva ROC y random forests

3. NLP y regularización ridge

4. Regresión Huber y polnomial

5. Series de tiempo y ARIMA

6. Topic modeling y LDA

7. Monte Carlo y Cadenas de Markov

8. Micro-redes y Q-learning

9. Deep Learning y NLP

Tarifa en México*

26,160+ IVA MXN
3 meses sin intereses con tarjetas participantes

Tarifa internacional

1,590 USD
Estos cursos están dirigidos a estudiantes del Colegio de Matemáticas Bourbaki que ya hayan cursado algún curso de alguno de nuestros Track con el fin de garantizar que el aprovechamiento de los cursos será el máximo.
Machine Learning & AI for the Working Analyst Colegio Bourbaki

Objetivos

01
Enseñar un manejo de Python y R que permita resolver problemas utilizando imágenes, texto, bases estructuradas, series de tiempo e incluso cuando no existen suficientes datos.
02
Más de 15 algoritmos útiles para resolver la inmensa mayoría de las posibles tareas a las que se puede enfrentar un analista de datos.
03
Una explicación matemática detallada de cómo funcionan los algoritmos que le permitan a los estudiantes interpretar sus resultados así como distinguir las ventajas y retos en cada caso.
04
El planteamiento, los datos y la solución de 9 problemas reales que enfrentan las industrias: farmacéutica, turística, de telecomunicaciones, de recursos humanos, transportista, financiera, los portafolios de inversión, energética y legal.
DESCARGAR TEMARIO
DESCARGAR TEMARIO
Descargar temario

Perfil de Estudiante

En los últimos años la influencia de la inteligencia artificial en el sector industrial ha sido gigantesca. Este curso es una invitación al state of the art de estas aplicaciones enfocándonos en los casos de éxito que sean útiles para los analistas de datos, sin importar su área de trabajo.

Clase abierta

Temario

1. Procesamiento de imágenes y perceptrón

2. Curva ROC y random forests

3. NLP y regularización ridge

4. Regresión Huber y polnomial

5. Series de tiempo y ARIMA

6. Topic modeling y LDA

7. Monte Carlo y Cadenas de Markov

8. Micro-redes y Q-learning

9. Deep Learning y NLP

Reseñas de estudiantes

Gibran Gabriel Otazo Sanchez.

Gibran Gabriel Otazo Sanchez.

Licenciado en Matemática, y Estudiante del Doctorado en Ingeniería en Universidad Simón Bolívar

Lead Data Scientist en AI Factory - BBVA

El curso de Deep Reinforcement Learning que tuve el privilegio de tomar fue una experiencia verdaderamente excepcional. Desde el principio, quedó claro que este curso estaba diseñado para brindar una experiencia de aprendizaje personalizada.
Los instructores no solo compartieron su profundo conocimiento del tema, sino que también se tomaron el tiempo para comprender nuestras fortalezas y áreas de mejora individuales. Como matemático me encanta conocer los detalles a profundidad de cómo funcionan las cosas, por lo que, la inclusión de lecturas de papers de alto impacto y la inclusión de proyectos reales con aplicaciones industriales, añadió un nivel de rigor académico invaluable al curso.
 Eréndira Teresa Navarro García

Eréndira Teresa Navarro García

Actuaría

Risk Planning Manager en BBVA

Los temas que se abordan a lo largo del curso hacen que este sea muy completo y no son los temas recurrentes que podemos encontrar en plataformas comunes como Coursera, Udemy, etc.
El contenido del curso y el planteamiento de las actividades permiten tener un balance entre el entendimiento técnico de los modelos y su aplicación, lo que es fundamental para entender cómo funcionan, cómo se pueden adaptar y cómo se pueden aplicar en un caso de uso específico.
José Antonio Lanzguerrero

José Antonio Lanzguerrero

Licenciado en Informática de la UNAM y Egresado de la Maestría en Dirección de Empresas del IPADE (2018)

Director de SkyTicket

La experiencia ha sido fantástica. Cumple perfectamente la expectativa que tenía cuando me inscribí. Lo que quería lograr entrando al curso era ampliar mi perspectiva en torno al análisis que se puede hacer con los datos que tenga una organización, y eso se ha cumplido completamente.
La manera en la que los profesores abordan los modelos matemáticos me ha ayudado a entender conceptos abstractos que se me dificultan. Las explicaciones combinan de forma muy balanceada la parte técnica con la aplicada, es decir, entiendo con el suficiente nivel de profundidad el modelo, sin que ello implique entrar en la parte más matemática. La forma en que abordamos los modelos nos ayuda a entender perfectamente cómo configurar los algoritmos para obtener los resultados que deseamos. El análisis exploratorio y limpieza de datos con Python es muy poderoso para entender cualquier dataset al que estemos enfrentándonos.
Jonathan Domínguez Aldana

Jonathan Domínguez Aldana

Ingeniería en Mecatrónica (Universidad Anáhuac Querétaro)/ Ingeniería Biomédica (Universidad Anáhuac Querétaro)/ Maestría en Ciencias en Control Automático y Sistemas Dinámicos (CIDESI) / Micro Masters Program in Statistics and Data Science (MIT).

Data Scientist Expert en BBVA / Founder & CEO de Data Pulse Analytics.

El curso de Deep Reinforcement Learning ha sido para mi un curso de alto nivel, con el rigor matemático necesario para poder entender conceptos avanzados de Deep Reinforcement Learning. Hasta el momento no he podido encontrar un curso similar que ofrezca los contenidos impartidos en este curso y que exponga algoritmos matemáticos que no tienen más de tres años de existencia en el área de Deep Reinforcement Learning.
El profesor Carlos Alfonso hizo un trabajo extraordinario para explicar conceptos matemáticos avanzados y guiarnos a través de artículos de investigación de primer nivel publicados por grandes instituciones como OpenAI, DeepMind, Google Brain, Stanford, etc. Si quieres aprender de las últimas innovaciones en Deep Reinforcement learning, tales como Policy Methods, Value Methods, DQN, Policiy Gradient, SARSA, TRPO, Offline Reinforcement Learning y Multiagent Reinforcement Learning, este curso es tu mejor elección.
Brenda Rocha Martínez

Brenda Rocha Martínez

Actuaría de la UNAM

Data Scientist en BBVA México

El curso está bien estructurado. Las explicaciones fueron muy buenas y fáciles de entender.
Tiene un approach adecuado porque, aunque mi formación es matemáticas y estoy acostumbrada a clases con mucho detalle en definiciones formales, aporta mucho poner en conceptos sencillos y aplicados cada uno de los temas, Al final eso ayuda también a pensarlo desde un enfoque diferente y tener herramientas para explicar en otros foros, pensando que como data scientist debemos ser capaces de transmitir lo que nuestros modelos hacen y para qué sirven a personas con formaciones no matemáticas.
Andrea Monserrat Arredondo Rodriguez

Andrea Monserrat Arredondo Rodriguez

Lic. en Actuaría, Universidad Autónoma de Querétaro

BBVA: Data scientist en AI Factory

El fuerte de las clases es el nivel teórico, sin embargo las clases técnicas permiten poner manos a la obra.
Tomar el curso de NLP en el Colegio Bourbaki me permitió refrescar conocimientos sobre sintaxis y modelos clásicos de esta rama, pero también fue un muy buen primer acercamiento a modelos más profundos como transformers y RNN.
Daniela Gonzalez Espinoza

Daniela Gonzalez Espinoza

Geógrafa y Dra. en Arquitectura y estudios Urbanos por la Pontificia Universidad Católica de Chile.

Gerenta de gestión estratégica y desarrollo.

Vuelvo a agradecerles por el tiempo, dedicación y profesionalismo. Espero que nos sigamos viendo en webinars o similares.
La verdad es que sólo son felicitaciones, pues quedé más que satisfecha con los contenidos entregados, fue la mejor decisión que pude tomar.
Jorge Quiroz Gil

Jorge Quiroz Gil

Doctorado en Sistemas de Control de Procesos, Université de Rennes I

Consultor independiente en Smart Grid Consulting Services

Para mí fue una buena inmersión a la programación en Python y las herramientas que utilizamos.
Con un balance teórico-práctico acertado, el curso, de buen nivel, me dio un panorama con buena profundidad de los distintos algoritmos de ML e IA siempre acompañados de ejemplos que vimos en las sesiones prácticas del curso. Siempre hubo una interacción intensa y colaborativa entre los alumnos y los profesores que nos permitieron aclarar las dudas en todo momento.
Mario Alfredo Sánchez Lorenzo

Mario Alfredo Sánchez Lorenzo

Estudios formales: Lic. en Física y Matemáticas, Instituto Politécnico Nacional

Data Scientist Analyst en BBVA México.

Considero que los casos de uso vistos en clase reflejan las actividades diarias de un científico de datos, lo que convierte a este curso en una excelente opción para aquellos que deseen aprender o reforzar sus conocimientos en la ciencia de datos.
El curso no solo te motiva a aprender modelos de machine learning, sino que también brinda una sólida atención a la parte teórica en todos los modelos, lo cual te ayuda a profundizar y comprender mejor los fundamentos teóricos para luego llevarlos a la práctica.
Armando Varela Alvarez

Armando Varela Alvarez

Licenciatura en Matemáticas Maestría en Ciencias Matemáticas (pasante)

Marketing Measurement Manager en Grupo Bimbo

Me pareció que el curso ofrece una visión completa de las herramientas fundamentales del Aprendizaje Automático y la Inteligencia Artificial con ejemplos hands on que permiten entender los retos en la implementación de los modelos.
Francisco Morales

Francisco Morales

Ingeniero mecatrónico de la Unidad Profesional Interdisciplinaria en Ingeniería y Tecnologías Avanzadas.

Especialista en Ingeniería de Datos y Business Intelligence

Me pareció muy valioso tener profesores dedicados para cada uno de los temas en los que son expertos ya que además de la parte conceptual, el conocer su experiencia, las implementaciones que han trabajado y sus recomendaciones para trasladar a aplicaciones funcionales resultó ser muy enriquecedor.
En general el curso fue revelador ya que da un panorama diferente de las aplicaciones o necesidades que se pueden llegar a solucionar con los métodos clásicos y también con los más recientes que existen en deep learning. La dinámica de tener una semana práctica y una teórica, en conjunto con el apoyo de Javier fue muy importante para trasladar los conceptos a la aplicación en código de los mismos.
Eligio Andrés Chan España

Eligio Andrés Chan España

Ingeniero en Sistemas y una Maestría en Ciencia de Datos

El curso de Working Analyst es la perfecta punta de lanza en el camino de un buen profesional que se quiera dedicar a la Ciencia de Datos.
Aborda de manera muy clara temas matemáticos (para profesionales que no tenemos esa formación), que son fundamentales para entender los algoritmos de machine learning. Y, por si fuera poco, lleva a la práctica estos temas con sencillos pero muy útiles ejercicios en lenguajes muy usados como Python y R. Es sin miedo a decirlo un curso de iniciación completo y único en su tipo. La escuela Bourbaki y su curso de Working Analyst permitieron ampliar el portafolio de servicios de mi empresa de transformación digital.
Francisco Daniel Salayandía Salinas

Francisco Daniel Salayandía Salinas

Ingeniería en Sistemas Computacionales y Técnico en programación

Dentro del CoE de CIB Advanced Analytics soy Data Scientist

Es de destacar que aporta mucho al enriquecer la ponencia el nivel de conocimiento de los profesores y la disposición a resolver dudas
El contenido es muy completo, abarca desde las bases y la teoría, hasta lograr obtener resultados con redes neuronales, aunado a ello como valor agregado es apreciable la conexión con chat GPT, ya que abre las posibilidades de manera exponencial.
Aarón Martín Castillo Medina

Aarón Martín Castillo Medina

Lic. en Ciencias de la Computación, Facultad de Ciencias de la UNAM

Ingeniero de Datos Senior en Svitlav

Es una opción sólida para aquéllos que queremos trasladarnos hacia posiciones más analíticas como Científico de Datos o Ingeniero de Machine Learning.
Considero que es un curso original en el que los temas son explicados de una manera conectada con situaciones reales, así los conceptos y detalles son más fáciles de asimilar, además, la forma en la que se llevan a cabo las clases y evaluaciones invitan al alumno a no sólo repasar constantemente los conocimientos adquiridos, sino a desarrollar el pensamiento crítico e incluso la creatividad ligada a la implementación de soluciones.
Franco Andrés Mansilla Ibáñez

Franco Andrés Mansilla Ibáñez

Ingeniero Civil Industrial - Magíster en Finanzas.

Technical Lead AI en Banco BCI.

El contenido está altamente enfocado en temáticas financieras transversales revisando desde conceptos, teoría, intuición y aplicación directa con algitmos que nos ofrece el Machine Learning con un publico objetivo desde académicos hasta profesionales que se desempeñan en instituciones empresariales.
Sandra Alvarado

Sandra Alvarado

Egresada de las licenciaturas de Física y Matemáticas por parte de la UNAM

Data Scientist en X-Data,

Recomiendo ampliamente el curso de ML & AI for the Working Analyst. Es un curso muy completo en donde se abordan temas sumamente interesantes con un enfoque tanto práctico, como teórico.
Se revisa una gran variedad de posibles aplicaciones en cada tema, por lo que es factible emplear lo aprendido en el curso para resolver situaciones de interés propio. Así mismo, la dinámica de participación en las clases permite interiorizar de mejor manera los conocimientos adquiridos, lo cual te brinda un crecimiento continuo a lo largo de las sesiones.
Gilberto Gómez Correa

Gilberto Gómez Correa

Licenciatura en Física, UNAM - Maestría en Finanzas, ITESM,

Director de Preparatoria, Colegio Ciudad de México

Me gusto mucho el contenido del curso pues está enfocado a problemas reales del sector financiero, en diversas vertientes como portafolios y detección de fraudes
Se utilizan muchos algoritmos de aprendizaje de máquina. Es un curso que exige de uno una visión más holistica, pues trata de usar los algoritmos, ver sus limitaciones y decidir cuál es la mejor alternativa para el problema entre manos.
Jesús Irais González Romero

Jesús Irais González Romero

Ingeniería en Tecnologías Computacionales (ITESM) y Maestría en Finanzas (ITAM)

Ingeniero de Software (Google)

Lo que lo diferencia de otros cursos en línea es que las clases son en directo, por lo que cualquier duda que surja se resuelve al momento (crucial para las matemáticas).
El contenido es muy bueno, las explicaciones me han parecido extremadamente intuitivas sin dejar de ser rigurosas.
Pablo Aceves Cano

Pablo Aceves Cano

Ingeniería Mecatrónica. Maestría en Filosofía de la Ciencia con enfoque en Filosofía de las Matemáticas y Lógica de la Ciencia

Dirección Startup - SaaS / Business Intelligence.

El track para la Ciencia de Datos ha rebasado mis expectativas sin lugar a dudas: establece un excelente balance entre la profundidad con la que se revisan los temas a nivel teórico, permitiendo tener mejores fundamentos conceptuales, y una parte práctica enfocada a casos reales y vigentes para el mercado laboral actual.
Lo anterior sumado a la capacidad y entendimiento del cuerpo docente, así como su excelente disposición y atención a los alumnos, permite establecer un espacio de aprendizaje extraordinario y de mucha confianza y cercanía. El Colegio Bourbaki es un proyecto de gente joven, mexicana, con altas capacidades y un interés genuino por enseñar y capacitar a todos sus alumnos. No me queda más que recomendarle a cualquiera que tenga interés por alguno de los cursos impartidos por este Colegio, que explore y se permita descubrir una gratísima y enriquecedora experiencia.
Jorge Duarte

Jorge Duarte

Ingeniero en electrónica egresado de la Universidad Iberoamericana campus Santa Fe

15 años de experiencia en el desarrollo de negocios para empresas multinacionales de tecnología.

Estoy muy contento con las habilidades que adquirí en el curso “Machine Learning & AI for the working analyst”.
Es un curso integral que pude concluir aun sin ser matemático, científico de datos o programador. Si ya cuentas con experiencia en análisis de datos, o si ya sabes programar en Python o R, el curso te permitirá ampliar tus conocimientos o reforzarlos pues se enseña el marco teórico- matemático en el que se basan los modelos y los algoritmos propuestos cada semana
Alvaro Rivas

Alvaro Rivas

Graduado en Derecho y Economía

Analista de datos y negocio en una scale-up de comercio electrónico

Me acerqué al curso ML for the Working Analyst Bourbaki atraído por las buenas referencias que tenía del profesor Alfonso.
Deseaba un curso de carácter introductorio, pero con todo el rigor que un profesor de matemáticas pudiera aportar. Así podría dar unificar y dar sentido a todos los esfuerzos, poco sistemáticos, que había realizado previamente en el campo del machine learning. El curso ha colmado totalmente mis expectativas, y el personal de Bourbaki se ha ganado mi confianza.
César Augusto Pérez Rosas

César Augusto Pérez Rosas

Licenciatura en Matemáticas

Científico de datos en BBVA

Disfruté mucho que tuviéramos sesiones tanto teóricas como prácticas.
Las sesiones teóricas no eran tan profundas debido al extenso temario que teníamos que cubrir pero se complementaban perfecto con las notas que mandaban. Los dos profesores siempre atendían dudas de la mejor forma en cualquier parte de las sesiones.

Más información

Valid number

Gracias

En un momento un asesor Bourbaki resolverá todas tus dudas
Oops! Something went wrong while submitting the form.
Contacto
Tarifas hasta Diciembre de 2023, pregunte por opciones para congelar la Tarifa