Artboard 1 copy 7.png
 Machine learning, teoría de juegos y cadenas de markov

Objetivos 

  1. Comprender los detalles de los problemas de programación lineal y sus versiones duales.

  2. Estudiar las aplicaciones de la programación lineal a problemas de ciencia de datos y procesamiento de señales.

  3. Desarrollar los detalles de teoría de juegos necesarios para entender el equilibrio de nash en juegos de suma cero y su relación con la programación lineal.

  4. Motivar el estudio de las cadenas de markov y su uso en machine learning. 

Temario del curso uno

 

 

1. Programación lineal

    • Planteamiento detallado y repaso matemático

    • Aplicaciones clásicas

    • Aplicaciones a la ciencia de datos

    • Comparación con el perceptrón

    • Programación dual

 

2. Teoría de juegos

    • Juegos de suma cero

    • Equilibrios de Nash

    • Estrategias mixtas

    • Aplicaciones de la programación lineal y teorema de von Neumann

 

3. Invitación a las cadenas de markov

    • Teoría de juegos estocásticos

    • Definiciones formales y repaso de probabilidad

    • Ley de los grandes números

    • Series de tiempo

    • Métodos de muestreo

    • Teoremas de ergodicidad

    • Relación con reinforcement learning

Contacto

CDMX, México.

  • Facebook icono social