.avif){kind=icon}
MA2502 - Matemáticas para la Ciencia de Datos
Le damos la bienvenida a nuestro curso Matemáticas para la Ciencia de Datos, en esta sección encontrará el material semanal que incluye las grabaciones, las notas del curso y las presentaciones. también podrá descargar desde aquí las evaluaciones del curso. ¡Le deseamos mucho éxito en su aprendizaje!
Semana
1
Distribuciones e independencia
.png)
Bien entendidas, las bases de datos con las que se entrenan los modelos en Machine Learning son el resultado de un proceso aleatorio el cual puede modelarse con distintos tipos de distribuciones. Además estudiaremos el concepto de independencia que generaliza a la correlación. La correlación es una medida estadística que utiliza la frecuencia con la que dos variables se relacionan proporcionalmente con la misma constante. Pensemos por ejemplo en el número de metros cuadrados y el costo de un terreno.
MA2502 - Jul 29, 2025
MA2502 - Jul 30, 2025
MA2502 - Ago 01, 2025
Semana
2
Momentos y leyes de potencia
Gracias a los momentos estadísticos se pueden distinguir distintas distribuciones, en esta sección estudiaremos valor esperado, varianza y covarianza. También hablaremossobre las leyes de potencia las cuales son muy importantes para modelar fenómenos donde la realción lineal no es fácil de encontrarse entre las variables originales. Ejemplos detrás de estos fenómenos son por ejemplo las leyes de Zipf tan importanes en el lenguaje natural o las magnintudes de los terremotos.
MA2502 - Ago 05, 2025
MA2502 - Ago 06, 2025
MA2502 - Ago 08, 2025
Semana
3
Ley de los Grandes Números, Teorema límite Central y valores extremos
La Ley de los Grandes números es uno de los únicos resultados matemáticos que garantiza que una base de datos podría ser una buena aproximación a un resultado general, pensemos por ejemplo en un sondeo previo a una elección presidencial. Existen versiones alternativas a esta ley de los grandes números por ejemplo la que se utiliza en la teoría de los valores extremos.
MA2502 - Ago 12, 2025
MA2502 - Ago 13, 2025
MA2502 - Ago 15, 2025
Semana
4
Tests estadísticos
Una de las herramientas más importantes de los teoremas límite es la posibilidad de construir tests estadísticos como los intervalos de confianza. En esta semana nos concentraremos en las aplicaciones que tiene el TLC para realizar tests estadísticos en problemas del análsiis de supervivencia.
MA2502 - Ago 19, 2025
MA2502 - Ago 20, 2025
MA2502 - Ago 22, 2025
No items found.
Semana
6
Sistemas de ecuaciones lineales
El aprendizaje supervisado es muy parecido al problema de resolver un sistema de ecuaciones lineales, en este caso las matrices formadas por la base de datos es muy similar a la de los coeficientes en un sistema de ecuaciones lineales.
MA2502 - Sep 02, 2025
MA2502 - Sep 03, 2025
MA2502 - Sep 05, 2025
Semana
7
Similitud del coseno & geometría lineal
Así como la correlación nos permite calcular las relaciones que existen entre dos columnas, es posible detectar cuando dos registros dentro de nuestra base de datos son semejantes por medio del ángulo entre nuestros vectores.
MA2502 - Sep 09, 2025
MA2502 - Sep 10, 2025
MA2502 - Sep 15, 2025
Semana
8
Análisis de componentes principales
Una de las técnicas de compresión más conocidas es el análsiis de componentes principales el cual construye una aproximación lineal de nuestra información mediante una cantidad menor de coordenadas. Podemos pensar en la información genética de las personas.
MA2502 - Sep 17, 2025
MA2502 - Sep 18, 2025
MA2502 - Sep 19, 2025
Semana
9
Descomposición en valores singulares
Las bases de datos con una enorme cantidad de textos son muy complicadas desde el punto de vista computacional y gracias a la factorización de matrices es posible eficientar este tipo de búsquedas.
MA2502 - Sep 23, 2025
MA2502 - Sep 24, 2025
MA2502 - Sep 26, 2025
No items found.
Semana
Optimización lineal & método simplex
Aunque parezca una técnica poco sofisticada, la programación lineal es una de las herramientas más versátiles para resolver problemas de matemáticas aplicadas, es cierto que las soluciones no resuelven todos los problemas sin embargo una amplia cantidad de problemas se pueden resolver por medio de estas técnicas.
MA2502 - Oct 07, 2025
MA2502 - Oct 08, 2025
MA2502 - Oct 11, 2025
Semana
Derivadas, Método de Cauchy & Convexidad
.png)
Aunque no existe una explicación matemática satisfactoria de por qué funcionan los modelos de machine learning, utilizando el concepto de convexidad ayuda a entender algunos casos particulaes en los que sí existen teoremas de convergencia. El algoritmo que veremos en esta semana fue propuest originalmetne por Cauchy, la idea principal es optimizar siguiendo la dirección opuesta del gradiente.
MA2502 - Oct 14, 2025
MA2502 - Oct 15, 2025
MA2502 - Oct 17, 2025
Semana
Back-propagation & redes profundas
El algoritmo del gradiente descendiente sería inviable para entrenar a las redes neuronales con billones de parámetros y por ello fue necesario un algoritmo extra que permita que su entrenamiento sea viable. Este algoritmo se conoce como Back-Propagation y fue propuesto por Hinton a finales de los 90's.
MA2502 - Oct 22, 2025
MA2502 - Oct 24, 2025
Semana
14
Programación dinámica & refuerzo
La programación dinámica fue propuesta por Richard Bellman buscando resolver problemas en los que la dimensión es gigantesca, de hecho fue él quien acuñó el término de la maldición de la dimensión. Estas ideas son utilizadas por plataformas como Waze para encontrar la ruta óptima.
MA2502 - Oct 28, 2025
MA2502 - Oct 29, 2025
MA2502 - Oct 31, 2025
No items found.
WA2601 - 20 Feb, 2026
WA2601 - 19 Feb, 2026
EDL2601 - 19 Feb, 2026
NLP2601 - 19 Feb, 2026
MMF2601 - 19 Feb, 2026
WA2601 - 18 Feb, 2026
EDL2601 - 18 Feb, 2026
NLP2601 - 17 Feb, 2026
WA2601 - 17 Feb, 2026
EDL2601 - 17 Feb, 2026
MMF2601 - 16 Feb, 2026
EDL2601 - 16 Feb, 2026
NLP2601 - 12 Feb, 2026
M&DL2501 - 12 Feb, 2026
NLP2601 - 11 Feb, 2026
M&DL2501 - 10 Feb, 2026
NLP2601 - 09 Feb, 2026
M&DL2501 - 05 Feb, 2026
NLP2601 - 05 Feb, 2026
WA2504 - 04 Feb, 2026
NLP2601 - 04 Feb, 2026
WA2504 - 03 Feb, 2026
AF2503 - 03 Feb, 2026
M&DL2501 - 03 Feb, 2026
WA2504 - 29 Ene, 2026
NLP2601 - 29 Ene, 2026
AF2503 - 28 Ene, 2026
WA2504 - 27 Ene, 2026
NLP2601 - 27 Ene, 2026
AF2503 - 27 Ene, 2026
M&DL2501 - 27 Ene, 2026
M&DL2501 - 26 Ene, 2026
NLP2601 - 26 Ene, 2026
AF2503 - 26 Ene, 2026
AF2503 - 23 Ene, 2026
WA2504 - 23 Ene, 2026
NLP2601 - 22 Ene, 2026
M&DL2501 - 22 Ene, 2026
WA2504 - 20 Ene, 2026
AF2503 - 22 Ene, 2026
WA2504 - 22 Ene, 2026
WA2504 - 21 Ene, 2026
AF2503 - 21 Ene, 2026
NLP2601 - 20 Ene, 2026
AF2503 - 20 Ene, 2026
NLP2601 - 19 Ene, 2026
M&DL2501 - 20 Ene, 2026
M&DL2501 - 19 Ene, 2026
AF2503 - 19 Ene, 2026
AF2503 - 16 Ene, 2026
WA2504 - 16 Ene, 2026
NLP2601 - 15 Ene, 2026 (Parte II)
NLP2601 - 15 Ene, 2026 (Parte I)
WA2504 - 15 Ene, 2026
AF2503 - 15 Ene, 2026
WA2504 - 14 Ene, 2026
AF2503 - 14 Ene, 2026
M&DL2501 - 13 Ene, 2026
NLP2601 - 13 Ene, 2026
WA2504 - 13 Ene, 2026
AF2503 - 13 Ene, 2026
M&DL2501 - 12 Ene, 2026
AF2503 - 12 Ene, 2026
NLP2601 - 12 Ene, 2026
WA2504 - 09 Ene, 2026 / Parte II
WA2504 - 09 Ene, 2026 / Parte I
WA2504 - 06 Ene, 2026
AF2503 - 09 Ene, 2026
M&DL2501 - 08 Ene, 2026
WA2504 - 08 Ene, 2026
AF2503 - 08 Ene, 2026
AF2503 - 07 Ene, 2026
WA2504 - 07 Ene, 2026
NLP2601 - 06 Ene, 2026
AF2503 - 06 Ene, 2026
M&DL2501 - 06 Ene, 2026
NLP2601 - 05 Ene, 2026
M&DL2501 - 06 Ene, 2026
AF2503 - 05 Ene, 2026
AF2503 - 22 Dic, 2025
M&DL2501 - 18 Dic, 2025
WA2504 - 16 Dic, 2025
AF2503 - 17 Dic, 2025
AF2503 - 16 Dic, 2025
M&DL2501 - 16 Dic, 2025
WA2504 - 12 Dic, 2025
M&DL2501 - 15 Dic, 2025
AF2503 - 15 Dic, 2025
AF2503 - 12 Dic, 2025
M&DL2501 - 09 Dic, 2025
AF2503 - 11 Dic, 2025
M&DL2501 - 11 Dic, 2025
WA2504 - 10 Dic, 2025
AF2503 - 09 Dic, 2025
WA2504 - 09 Dic, 2025
M&DL2501 - 08 Dic, 2025
WA2504 - 04 Dic, 2025
AF2503 - 08 Dic, 2025
WA2504 - 05 Dic, 2025
WA2504 - 03 Dic, 2025