Tarifas hasta Diciembre de 2023, pregunte por opciones para congelar la Tarifa

Track para la ciencia de datos

Uno de los objetivos fundamentales de la Escuela Bourbaki es transmitir a los estudiantes, público en general y a la industria, las ventajas prácticas y el placer que implican conocer los detalles de la actividad matemática.

Tarifa en México
58,200 + IVA MXN
Tarifa internacional
3,437 USD
Los cursos del track
Flecha boton
Track para la ciencia de datos Colegio Bourbaki

Objetivos

01

Enseñar un manejo de Python que permita resolver problemas utilizando imágenes,
texto, bases estructuradas, series de tiempo e incluso cuando no existen suficientes datos.

02

Familiarizar al estudiante con el lenguaje matemático así como su utilidad
para resolver problemas concretos e identificar dificultades. Se hará énfasis en
fortalecer la intuición de los estudiantes.

‍

03

Estudiar las ideas matemáticas utilizadas en Ciencia de Datos enfocándonos en las
siguientes áreas: Probabilidad, Estadística e Inferencia Bayesiana, Álgebra Lineal y
Optimización y Cálculo Diferencial.

04

Estudiar algoritmos de Machine Learning y ponerlos en práctica utilizando
fuentes de datos reales.

‍

05

Practicar el manejo de datos estructurados y no-estructurados utilizando
Python para obtener análisis de analítica avanzada o prescriptiva.

DESCARGAR TEMARIO
Introducción a Python Colegio Bourbaki
CURSO
Introducción desde cero a Python
Machine Learning & AI for the Working Analyst Colegio Bourbaki
CURSO
Machine Learning & AI for the Working Analyst
más información
Matemáticas Avanzadas para la Ciencia de Datos Colegio Bourbaki
CURSO
Matemáticas Avanzadas para la Ciencia de Datos
más información
Especialización en Deep Learning Colegio Bourbaki
CURSO
Especialización
en Deep Learning
más información

Perfil de Estudiante

El estudiante debe estar interesado en aprender los detalles matemáticos detrás de los algoritmos y modelos de Machine learning con el objetivo de mejorar su comprensión sobre las ventajas, dificultades o soluciones que ocurren en el
trabajo de los científicos de datos.
‍
Los candidatos ideales son: practicantes de ciencia de datos, ingenieros de datos, analistas de negocios, desarrolladores de software o estudiantes de posgrado que deseen completar su formación.

Evaluación y proyectos

1. Cada semana se realizará un pequeño test para revisar el aprendizaje del estudiante.
2. Al final cada bloque (tres bloques por curso) se realizará una evaluación que
consiste en dos partes:

  • Un examen práctico donde el estudiante deberá aplicar sus habilidades para
    resolver otros problemas similares o adecuaciones de los mismos vistos en clase.
  • Un examen teórico que simula una entrevista laboral sobre el planteamiento
    del problema, la interpretación de los resultados y la descripción de los algoritmos.

3. El curso incluye un acompañamiento por parte de los profesores en el
desarrollo de los proyectos de los estudiantes utilizando las técnicas aprendidas.

Temario

Machine Learning & AI for the Working Analyst

  1. Invitación a redes neuronales: perceptrón
  2. Árboles de decisión y random forest
  3. Regresiones logísticas, Ridge y Lasso
  4. Latent Dirichlet Allocation
  5. Regresión Robusta y outliers
  6. ARMA, ARIMA y ARCH
  7. Simulación Monte-Carlo para cadenas de Markov
  8. Aprendizaje por refuerzo y Q-Learning
  9. Deep Learning para NLP (LSTM y Atención)

Matemáticas para la Ciencia de Datos

Módulo 1. Fundamentos de probabilidad

  1. La aleatoriedad y la independencia
  2. Variables aleatorias y sus invariantes
  3. El Método de Monte Carlo
  4. Máxima verosimilitud y regresiones Bernoulli
  5. Las cadenas de Markov Page Rank
  6. Metropolis Hastling

Matemáticas para la Ciencia de Datos

Módulo 2. Estadística e Inferencia Bayesiana

  1. Tests estadísticos
  2. Inferencia Causal y priors conjugados
  3. A/B testing & Thompson samplings
  4. Regresiones bayesianas geolocalizadas
  5. Redes bayesianas
  6. Kriging y procesos gaussianos

Matemáticas para la Ciencia de Datos

Módulo 3. Álgebra Lineal

  1. Matrices y sistemas de ecuaciones
  2. Medidas de similitud de audios
  3. Análisis de Componentes Principales PCA
  4. Latent Semantic Analysis y SVD
  5. Eigen-descomposición y text-rank
  6. Álgebra lineal numérica I

Matemáticas para la Ciencia de Datos

Módulo 4. Optimización y Cálculo  Diferencial

  1. Programación lineal y optimización
  2. Programación dinámica y Bellman
  3. Gradiente descendente de Cauchy
  4. Stochastic Gradient Descend y Adaptative SGD
  5. El algoritmo de Backpropagation
  6. Optimización bayesiana

Especialización en Deep Learning

Módulo 1. Redes convolucionales

  1. Capas densas y convolucionales
  2. Detección de objetos
  3. Arquitecturas modernas: auto-encoders
  4. Algoritmos de entrenamiento

Matemáticas para la Ciencia de Datos

Módulo 2. Redes recurrentes y transformer

  1. Capas recurrentes
  2. Series de tiempo multi-variadas y multi-horizonte
  3. El mecanismo de atención de Bahdanau
  4. Regularización

Matemáticas para la Ciencia de Datos

Módulo 3. Redes multi-modales

  1. El producto de Hadamard y la fusión de datos
  2. Álgebra tensorial
  3. Regularización II
  4. Backpropagation

Especialización en Deep Learning

Módulo 4. Modelos del lenguaje

  1. Word2vec & Doc2vec
  2. BERT & GPT
  3. Fine-tuning
  4. Mecanismo de atención

Matemáticas para la Ciencia de Datos

Módulo 5. Difusión estable y GAN’s

  1. Generative Adversarial Networks
  2. Modelos CLIP
  3. Difusión estable
  4. Entrenamientos modernos

Matemáticas para la Ciencia de Datos

Deep Reinforcement Learning

  1. Q-Learning
  2. Deep Reinforcement Learning
  3. Resúmenes de textos
  4. Relación con ChatGPT

Especialización en Deep Learning

Módulo 4. Modelos del lenguaje

  1. Word2vec & Doc2vec
  2. BERT & GPT
  3. Fine-tuning
  4. Mecanismo de atención

Temario

Machine Learning & AI for the Working Analyst

1. Invitación a redes neuronales: perceptrón

2. Árboles de decisión y random forest

3. Regresiones logísticas, Ridge y Lasso

4. Latent Dirichlet Allocation

5. Regresión Robusta y outliers

6. ARMA, ARIMA y ARCH

7. Simulación Monte-Carlo para cadenas de Markov

8. Aprendizaje por refuerzo y Q-Learning

9. Deep Learning para NLP (LSTM y Atención)

‍

Matemáticas para la Ciencia de Datos

Módulo 1. Fundamentos de probabilidad

1. La aleatoriedad y la independencia

2. Variables aleatorias y sus invariantes

3. El Método de Monte Carlo

4. Máxima verosimilitud y regresiones Bernoulli

5. Las cadenas de Markov Page Rank

6. Metropolis Hastling

‍

Módulo 2. Estadística  e Inferencia Bayesiana

1. Tests estadísticos

2. Inferencia Causal y priors conjugados

3. A/B testing & Thompson samplings

4. Regresiones bayesianas geolocalizadas

5. Redes bayesianas

6. Kriging y procesos gaussianos

‍

Módulo 3. Álgebra Lineal

1. Matrices y sistemas de ecuaciones

2. Medidas de similitud de audios

3. Análisis de Componentes Principales PCA

4. Latent Semantic Analysis y SVD

5. Eigen-descomposición y text-rank

6. Álgebra lineal numérica I

‍

Módulo 4. Optimización y Cálculo  Diferencial

1. Programación lineal y optimización

2. Programación dinámica y Bellman

3. Gradiente descendente de Cauchy

4. Stochastic Gradient Descend y Adaptative SGD

5. El algoritmo de Backpropagation

6. Optimización bayesiana

‍

3. Especialización en Deep Learning

Módulo 1. Redes convolucionales

1. Capas densas y convolucionales

2. Detección de objetos

3. Arquitecturas modernas: auto-encoders

4. Algoritmos de entrenamiento

‍

Módulo 2. Redes recurrentes y transformer

1. Capas recurrentes

2. Series de tiempo multi-variadas y multi-horizonte

3. El mecanismo de atención de Bahdanau

4. Regularización

‍

Módulo 3. Redes multi-modales

1. El producto de Hadamard y la fusión de datos

2. Álgebra tensorial

3. Regularización II

4. Backpropagation

Módulo4. Modelos del lenguaje

1. Word2vec & Doc2vec

2. BERT & GPT

3. Fine-tuning

4. Mecanismo de atención

‍

Módulo 5. Difusión estable y GAN’s

1. Generative Adversarial Networks

2. Modelos CLIP

3. Difusión estable

4. Entrenamientos modernos

‍

Módulo 6. Deep Reinforcement Learning

1. Q-Learning

2. Deep Reinforcement Learning

3. Resúmenes de textos

4. Relación con ChatGPT

‍

Reseñas de estudiantes

Carlos Vargas Fraga

Carlos Vargas Fraga

Lic en Finanzas y Banca / Maestría en analísis de datos y sistemas de información / Doctorado en Ing - IA

Tech Lead Data Science - Mercado Libre

Mi travesía en el Colegio de Matemáticas Bourbaki ha sido, sin lugar a duda, una de las experiencias más enriquecedoras de mi vida académica y profesional. En conclusión, puedo recomendar los estudios impartidos desde el nivel más básico de matemáticas, hasta el retador mundo de las matemáticas del estado del arte. ¡Gracias a la escuela por los últimos 5 años y por los próximos que vienen!
Comencé este camino hace cinco años, con conocimientos básicos que, en retrospectiva, eran apenas un esbozo de lo que hoy comprendo sobre el vasto y fascinante mundo de las matemáticas y Alfonso Ruiz me ha ayudado hasta llegar a las redes neuronales de estado del arte con atención al detalle inigualable. No solo he tenido la oportunidad de crecer profesionalmente gracias a los conocimientos adquiridos, sino también académicamente, logrando así la maestría y el doctorado en Inteligencia Artificial con el apoyo del Colegio. Por otro lado, he encontrado proyectos enriquecedores que han salido de las aulas de estudio, en donde he podido retarme a mi mismo desarrollando proyectos de alto nivel en la iniciativa privada.
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.
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.
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 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.
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.
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.
Guillermo Jr. Cárdenas Salgado

Guillermo Jr. Cárdenas Salgado

Licenciatura en Economía por la Universidad Nacional Autónoma de México (UNAM). Maestría en Economía por el Centro de Investigación y Docencias Económicas (CIDE)

Economista Senior en BBVA México Evaluar diseño, operación, resultados e impacto de proyectos o políticas.)

En este curso se le dió el peso que se merece a la parte teórica combinando matemáticas e intuición de lo que está detrás y hacia dónde se quiere llegar con el método.
El balance que hubo respecto de la teoría y la práctica, Otra de las cosas que me gustaron, fue que los profesores están muy capacitados y tratan de explicar utilizando diferentes perspectivas. Finalmente, me gustó que los ejemplos prácticos fueran aplicaciones basadas en un problema con información real.
Ethan Leonel García Melena

Ethan Leonel García Melena

Licenciado en Actuaría por la Facultad de Ciencias de la UNAM.

Desarrollador de analítica avanzada y modelos de optimización en campañas de marketing para la contratación de diversos productos del banco.

Creo que el curso cubre de lo básico a lo avanzado que podría aplicar un Científico de Datos en su trabajo en el día a día. Me agradó demasiado el hecho que se presentaron diversas maneras de atacar un mismo problema pero igualmente las técnicas mostradas son aplicables a miles de casos de uso.
Agradezco que el curso es técnico cuando tiene que ser técnico y práctico cuando se tiene que ser práctico. Los profesores que imparten el curso tienen un alto dominio de los temas enseñados y la flexibilidad que permiten al momento de aprender a lo largo del curso es increíble. Sin duda, es un curso que recomiendo tomar si eres un científico de datos que desea aprender técnicas más robustas para aplicar en tu día a día.
Leonardo Israel Millán García

Leonardo Israel Millán García

Doctor en Comunicaciones y Electrónica

Arquitecto de Soluciones en Software y Datos

El contenido es extenso y puntual al mismo tiempo, se abordan los principales algoritmos que se utilizan en Machine Learning.
No sólo se da un ejemplo de cómo se implementa el algoritmo en Python y qué bibliotecas se usan; así como sucede en otros cursos o en algunos libros, además de ver su implementación, se explica de una manera sencilla pero profunda la matemática que existe detrás de cada algoritmo, también se analizan detalladamente los aspectos más importantes para tomar decisiones de porqué usar o no cierto algoritmo para resolver un problema en específico. El ejemplo y datasets que se usan para implementar la teoría, es aplicado sobre un caso de uso real, esto permite fácilmente identificar en qué otros posibles casos puede ser usado el algoritmo. Los profesores demuestran un dominio total del tema, tanto en la teoría como en la práctica y siempre tienen disposición para atender cualquier duda.
Jesús Alejandro García Fernández

Jesús Alejandro García Fernández

Ingeniero en computación, egresado de la Facultad de Ingeniería de la UNAM.

Analista de información en el Banco de México

La estructura con la que han diseñado el curso es excelente.
Se comienza con la exposición de un problema de la vida real, seguido del aprendizaje de la teoría matemática necesaria, presentada a un nivel adecuado para todos los estudiantes, se procede con la implementación en código, culminando en la elaboración de conclusiones sobre los temas tratados. Esta metodología proporciona un equilibrio perfecto entre la teoría y la práctica. Aunque el curso no es sencillo, siempre motiva a los estudiantes a profundizar en el temario.
Adriana Yazmi Gamboa Luna

Adriana Yazmi Gamboa Luna

Lic. en Matemáticas Aplicadas y Computación

Data Scientist en BBVA

El curso de Rudimentos es un excelente primer acercamiento al Machine Learning, desde la selección de algoritmos hasta la evaluación del proyecto, se siente el empeño dedicado por el colegio y los profesores, que siempre están dispuestos a aclarar dudas y al pendiente del aprendizaje de cada alumno.
Una de las mayores ventajas de este curso, es que la teoría es explicada a profundidad con el mayor detalle estadístico y matemático posible; complementando con la parte práctica, donde a través del ejemplo, te muestran los pasos para el desarrollo de modelos en Python y la aplicación de cada técnica enseñada.
Ana Fernanda González Carranco

Ana Fernanda González Carranco

Licenciatura en Economía y Licenciatura en Relaciones internacionales

Data scientist analyst en bbva-Programa be talent for women

El curso de Machine Learning & AI For The Working Analyst ha sido un verdadero punto de inflexión en mi viaje profesional como Científica de Datos. Como alguien que proviene de un trasfondo en Economía y Relaciones Internacionales.ingresar al mundo de la ciencia de datos fue un desafío emocionante pero intimidante. Sin embargo, este curso me proporcionó la guía y el apoyo necesarios para convertir esos desafíos en oportunidades de crecimiento.
A través de la paciencia y la experiencia de los profesores, pude abordar conceptos que antes me parecían inaccesibles. No solo aprendí sobre Machine Learning y AI, sino que también descubrí una guía para mi carrera. Hoy, me siento más confiada que nunca para enfrentar los desafíos del mundo de la ciencia de datos. Estoy emocionada de aplicar lo que he aprendido en mi día a día como Científica de Datos, y estoy agradecida por la sólida base que este curso ha proporcionado. Recomiendo este curso a cualquier persona que esté lista para embarcarse en un viaje de descubrimiento y crecimiento profesional.
Julio Correa Ríos

Julio Correa Ríos

Ingeniero Industrial (Chile), Master en IT & Gestión (Chile), Master of Complex Systems (University of Sydney, Australia).

Soy Data Team Lead en Fair Supply, compañía australiana en temas de ESG & Consultar en Gestión e Innovación.

Tomé el curso Matemáticas para la Ciencia de Datos y la Especialización en Deep Learning. La calidad de ambos es muy buena, con Alfonso entregando el contenido de manera muy efectiva, didáctica y clara. Además, el material y los laboratorios están al servicio del contenido y de su aplicación a casos reales.
Debo decir que en algunos momentos el contenido es bastante desafiante pero los profesores siempre están disponibles para responder consultas y ayudar cuando se necesita. Por último, destacar también que Alfonso tiene mucha paciencia y disposición a ayudar en cosas que están más allá del curso y eso se agradece enormemente. Creo que es una de las mejores experiencias de aprendizaje que he tenido, definitivamente.
Yalbi Itzel Balderas Martínez

Yalbi Itzel Balderas Martínez

Técnico en Computación / Licenciatura en Biología / Doctorado en Ciencias Biomédicas

Investigadora en Ciencias Médicas en el Instituto Nacional de Enfermedades Respiratorias Ismael Cosío Villegas (Pertenece a la Secretaría de Salud).

El contenido del curso es excelente, los profesores son muy diligentes y cuidadosos en responder todas las dudas que se nos presentan a los alumnos. Definitivamente son expertos en el área y tienen habilidades de comunicación que les permiten transmitir el conocimiento de forma efectiva.
He tomado cursos en el área de ciencia de datos pero en este Colegio tienen un sello propio, por la forma en cómo se explican los temas con una perspectiva matemática, con clases que se complementan en el aspecto teórico y práctico. El hecho de que podamos consultar las grabaciones posterior a la clase es una gran ayuda en caso de que haya algo que repasar, y los materiales con referencias cuidadosamente seleccionadas son de alto nivel.
Sergio Daniel Raya Rios

Sergio Daniel Raya Rios

Licenciatura en Actuaría, UNAM.

Cientifico de Datos en BBVA

El curso de Procesamiento del Lenguaje Natural (NLP) superó todas mis expectativas en términos de contenido y calidad de enseñanza. Los instructores se esmeraron en explicar conceptos complejos de manera clara y comprensible. El material de apoyo y la plataforma de aprendizaje fueron de alta calidad e intuitivos, facilitando el proceso educativo.
El curso estaba bien estructurado, combinando teoría y práctica, lo que me facilitará aplicar los conocimientos en proyectos reales. Además, la comunidad de aprendizaje fomentaba la colaboración y el intercambio de ideas, enriqueciendo la experiencia. En resumen, ha sido una experiencia enriquecedora y satisfactoria, recomendada para cualquier persona ya sea principiante o con conocimientos previos.
Gaspar García Báez

Gaspar García Báez

Ingeniero Matemático (IPN) / Maestría en Ciencias de Datos de Información (INFOTEC)

Data Scientist en IA Factory

Todos los profesores cuentan con un dominio de los temas que imparten y se agradece mucho la dedicación que le ponen a cada clase y a las revisiones de las actividades, puesto que siempre están en disposición de atender las dudas que surgen y proporcionan retroalimentación de valor.
El curso de Profundización en ML fue excelente. Las clases teóricas y prácticas se complementaron muy bien entre sí, lo que me ayudó a consolidar los nuevos conocimientos adquiridos, como el Análisis de Supervivencia, pero también a refrescar y repasar otros tópicos, como el Aprendizaje por Refuerzo.
Angelica Verenice Villavicencio Soriano

Angelica Verenice Villavicencio Soriano

Licenciada en Matemáticas (UNAM) / Maestría en matemáticas aplicadas (CIMAT GTO)

Data Scientist Associate en BBVA

Me gustó mucho poder conocer nuevas herramientas que sin duda alguna, complementan mi formación y por ende mi trabajo.
Combinar el acercamiento teórico con la programación en un mismo curso refuerza cada concepto y a la vez te permite trabajar ambos skills necesarios para la ciencia de datos. Gracias!!
Alfonso Ramos Corona

Alfonso Ramos Corona

Ingeniero en Computación y Maestro en Ciencias Ambientales con énfasis en modelación de procesos de contaminación y SIG

Profesor de Tiempo Completo e Investigador en el Cuerpo Académico de Geoinformática / Ciencia de Datos Geoespaciales Coordinador de la Licenciatura en Logística en Universidad Autónoma del Estado de México

Hace unos pocos meses concluí el Track de Ciencia de Datos en el colegio de matemáticas Bourbaki. Fue un año donde invertí 300 horas presenciales y otro tanto de horas de estudio, y donde los conocimientos adquiridos me han permitido entender de manera muy detallada el mundo del aprendizaje máquina
Anteriormente, tomé algunos cursos y un diplomado en Ciencia de Datos, aplicando esos conocimientos en artículos y trabajos de investigación. Siempre tuve la inquietud de entender más a fondo los fundamentos de las librerías de Machine Learning e Inteligencia Artificial. Ahora, gracias a tres cursos (Machine Learning and Artificial Intelligence for the Working Analysts, Matemáticas para la Ciencia de Datos y Deep Learning), ya no veo librerías como Scikit Learn, PyTorch, TensorFlow y Keras como cajas negras. Puedo entender algunos de sus parámetros e hiperparámetros desde una perspectiva matemática y computacional. Estos cursos combinaron explicaciones matemáticas claras con prácticas en casos reales.
Manuel Antonio Ladron de Guevara Pérez

Manuel Antonio Ladron de Guevara Pérez

Licenciatura en Actuaria - ITAM, Diplomado en Machine Learning - ITAM, Diplomado en Mercados Financieros - ITAM

Data Scientist Manager

En el curso, pudimos ver de una forma tanto teórica como práctica los fundamentos que hay detrás de modelos de Machine Learning que son actualmente aplicados dentro de los más diversos campos laborales, dentro de ellos, finanzas.
El conocer los modelos más allá que las paqueterías, ayuda a entender los principales supuestos para su aplicación y los pros y contras de los mismos. Se da una base matemática que permite apreciar la capacidad de uso y generalizarlos, invitándonos a idear, proponer y explorar nuevos campos de aplicación.
Rodolfo Alcázar Pérez

Rodolfo Alcázar Pérez

Licenciatura en Actuaría - ITAM, Maestría en Ciencia de Datos - UP (cursando)

Data Scientist Manager en BBVA

La calidad de las clases es excelente y la atención personalizada es algo sobresaliente que considero es primordial para entender mejor los temas.
Opino que el curso es excelente para profundizar en temas de ciencia de datos. Tiene una practicidad en cómo se enseñan los temas que te lleva a entenderlos fácilmente. Los maestros tienen un excelente conocimiento y su atención a las dudas es muy bueno.
Alejandro Rodríguez Rivas

Alejandro Rodríguez Rivas

Ciencias Actuariales en Universidad Anahuac México

Insurance Product Manager | Banamex

El contenido es muy completo, realmente te da un conocimiento integral de ML, sumamente bien explicado, y perfectamente distribuido entre teoría y práctica, lo cual ayuda mucho a comprender y aterrizar cada tema. Lo recomiendo ampliamente si es que tienes mucho conocimiento del tema o no del todo.
Los profesores realmente están enfocados en que lo que se está explicando se entienda y se nota la apertura para poder solucionar dudas y explicar las veces que sean necesarias. Se siente un acompañamiento a lo largo del curso que es bastante motivador.
David Hernandez Lazaro

David Hernandez Lazaro

Lic. Física y Matemáticas

Data Engineer en BBVA

Afortunadamente, encontré lo que buscaba en el curso de Machine Learning & AI for the Working Analyst del Colegio Bourbarki. Me ha gustado mucho la forma en que se explican los temas y cómo se presentan casos de uso modernos, los cuales están siendo aplicados en diversos campos laborales, incluyendo el área de investigación. Estoy muy contento de ser alumno de esta excelente escuela de ciencia de datos.
Siempre había querido encontrar un curso de ciencia de datos que fuera más allá de la parte técnica del uso de los modelos de machine learning, ya que muchos cursos y/o diplomados se centran únicamente en el código sin profundizar en cómo funcionan estos , los beneficios que nos brindan y el trasfondo matemático que los sostiene. Quiero expresar mi agradecimiento y reconocimiento a los profesores Carlos y Ana por su amabilidad y paciencia al responder cada una de nuestras dudas dentro y fuera del curso, han sido pieza fundamental para nuestro aprendizaje continuo.
Katia Michel Martinez Rios

Katia Michel Martinez Rios

Licenciatura en ingeniería matemática - IPN

Consultor SAP FICO - IBM

Este es el tipo de conocimiento que durante mucho tiempo esperé encontrar en mi formación básica, explicada de esta manera, con tantos casos de uso. Haber decidido empezar con este track fue la mejor decisión que tomé este año. Definitivamente el método que ha ideado Carlos sale de cualquier otra metodología que haya experimentado antes.
Soy una persona que vive entusiasmada con el área de la inteligencia artificial, machine learning y ciencia de datos; acerté al considerar mi formación en matemáticas para sacar más provecho del material de cada clase. Vale muchísimo la pena estar presente en cada una de las sesiones, pues Carlos y Ana son excelentes maestros, se toman el tiempo necesario para entender y explicar cada una de las dudas. Es un ambiente muy enriquecedor. Comencé con estos cursos a pesar de tener nociones previas, básicas, sobre todos los temas, pues buscaba reforzar, profundizar, entender realmente desde 0 y con guía, además, empezar a idear soluciones en mi trabajo actual. Veo un potencial increíble en la aplicación a los procesos de negocio y sé que muy pronto mucho de esto comenzará a verse reflejado dentro del mundo SAP. Me siento satisfecha, entusiasmada y agradecida por tener la oportunidad de aprender de personas como Carlos y su equipo.
Saúl Bustamante Martínez

Saúl Bustamante Martínez

Licenciatura en Ciencias Computacionales por la UAM-Iztapalapa y Actuaría por el Instituto Matemático y Actuarial Mexicano.

Coordinador de Data Analytics en xpd Global, empresa dedicada a Logística y Transporte

Habiendo una oferta excesiva de cursos sobre los temas en boga relacionados a datos, LLMs e IAs, mis criterios de decisión para inscribirme en este curso fueron el background académico del profesor Carlos Ruíz, y el nombre de la escuela, Bourbaki. En mi cabeza esa combinación me invitó a pensar que sería un curso que cuidaría el rigor matemático por sobre la oferta superficial y mecánica de muchos otros contenidos.
Y afortunadamente estuve en lo correcto. La teoría matemática fue explicada y nunca prostituida en pos de la aplicación y sin embargo, los temas pudieron ser comunicados efectivamente a todo el grupo, sin importar el bagaje académico tan heterogéneo de los integrantes. Y ese es el valor agregado desmedido del curso: entender las ideas está al alcance de cualquiera que esté dispuesto a poner el tiempo y dedicación necesarios. Finalmente, los laboratorios prácticos fueron excelentes y cubriendo un espectro amplísimo de aplicaciones. La profesora Ana Isabel hace un trabajo estupendo, lleno de inteligencia, paciencia y cortesía que los vuelven entretenidos y accesibles. Vale la pena la inversión, sin duda alguna. Ahora, a por más, que me sigo con los siguientes módulos.
Daniel Reyes Clemente

Daniel Reyes Clemente

Licenciatura en Matemáticas, UNAM.

Analista de bases de datos y fotógrafo.

En el curso de "Matemáticas para la Ciencia de Datos", es muy importante la intuición y saber plasmar las ideas en la computación. Alfonso y Pedro, son indudablemente ideales para esta tarea. Recomiendo el curso para entusiastas y profesionales en matemáticas que deseen conocer la Ciencia de Datos a profundidad.
En la facultad, tuve una formación profunda en matemáticas, en donde las clases casi no salieron del esquema de hacer demostraciones formales. Alfonso y Pedro, en cambio, me ofrecieron una visión más realista y aplicable de algunos resultados en áreas fundamentales en Ciencia de Datos, tales como la Probabilidad y la Estadística.
José de Jesus Barrios Sanchez

José de Jesus Barrios Sanchez

Ingenieria en Telemática

Ingeniero de datos

El curso me pareció muy interesante, me ha gustado mucho, aunque no es parte de mi día espero me ayude para poder conocer nuevas áreas.
César Alejandro Luján García

César Alejandro Luján García

Licenciatura en Matemáticas Aplicadas y Computación

Data Scientist en BBVA

Este curso ofrece una excelente oportunidad para aprender o consolidar conocimientos. Gracias a esta formación me siento preparado para aplicar estos conocimientos en mi trabajo. Sinceramente considero que soy un mejor profesional después de haber completado este curso.
Aunque ya había tenido un acercamiento previo a varios de estos temas debido a mi formación, aquí los aprendí desde un enfoque nuevo y más claro, que no solo es fácil de recordar, sino también de explicar. Esto es especialmente valioso para mi, ya que los profesores son excepcionales en su capacidad para transmitir conceptos complejos de manera comprensible.
José Uriel Cárdenas Muñoz

José Uriel Cárdenas Muñoz

Licenciatura en Ciencias Actuariales.

Consultor de Riesgos en Managment Solutions / Co-Founder de Nexus Consulting Lab.

Unirme al Colegio ha sido, sin lugar a dudas, la mejor inversión educativa que he realizado. El primer curso del Track, "Machine Learning & AI for the Working Analyst," combina de manera excepcional la teoría con casos de estudio, permitiéndome aplicar los conocimientos adquiridos en diversas áreas de conocimiento.
Los instructores no solo dominan los temas con maestría, sino que también están siempre dispuestos a resolver cualquier duda, por más mínima que sea. Este curso no solo ha superado mis expectativas, sino que también me ha dejado motivado para continuar con el resto del Track.
Bermeo Fernández Ricardo

Bermeo Fernández Ricardo

Licenciatura en economía, Licenciatura en Matemáticas; Maestría en Economía y Maestría en Matemáticas

Data Expert

El curso me agrado mucho ya que se mete en temas técnicos a diferencia de otros diplomados que nos ha ofrecido la institución; el conocimiento de los profesores es muy profundo.
Carlos Ibarra Flores

Carlos Ibarra Flores

Economista UNAM

Data Scientist Associate en Advanced Analytics en BBVA, principalmente generación de modelos y segmentaciones de clientes para la realización de campañas comerciales

El curso fue impartido considerando tanto la parte técnica como las aplicaciones que los modelos y algoritmos tienen dentro de las empresas, aspecto que te da un conocimiento integral para su utilización en la resolución y desarrollo de aplicaciones para la banca.
Siempre es bueno conocer y recordar que hay detrás de muchas librerías que utilizamos frecuentemente en el día a día; y en este aspecto el curso funciona de manera fenomenal, claro está, siempre con la buena disposición de los maestros para explicar dudas y el por qué a veces es preferible escoger un modelo sobre otro considerando los retos particulares de cada base de entrenamiento. En este sentido, el curso otorga bases sólidas para entender los modelos esenciales y con ello seguir aprendiendo e investigando de manera autodidacta modelos y algoritmos más complejos.
David Vargas Fernández del Busto

David Vargas Fernández del Busto

Licenciatura en Matemáticas, UNAM

Científico de datos en BBVA

Personalmente, el curso me permitió profundizar significativamente en técnicas de clasificación binaria y multiclase, además de reforzar mis conocimientos en regresión lineal, árboles de decisión, y clusterización. La estructura del curso y la manera en que se abordaron estos temas fueron muy efectivas para comprender los conceptos y aplicarlos.
Quisiera destacar especialmente la labor de los instructores, Alfonso, Pablo y Pedro. Cada uno demostró un conocimiento profundo y exhaustivo de los temas, ofreciendo explicaciones claras y respondiendo todas las dudas que surgieron durante el curso. Sin duda, su experiencia y dedicación fueron clave para el éxito de mi aprendizaje. Recomendaría este curso a cualquier persona interesada en desarrollar o fortalecer sus habilidades en machine learning, ya que proporciona una base sólida en las técnicas y enfoques más relevantes en este campo.
Diego Antonio Carranza Ortiz

Diego Antonio Carranza Ortiz

Licenciatura en física (UNAM), Maestría en astronomía (UNAM), Doctorado en matemáticas (Queen Mary University of London)

Científico de datos en BBVA México

El curso cumple su misión dejando bien fundamentadas las ideas básicas, tanto teóricas como prácticas, detrás de los principales algoritmos de ML
Al ser grupos reducidos, se ofrece una atención más personalizada para resolver dudas, y se refuerza mediante el estudio guiado de casos de uso similares a los que se pueden encontrar en la industria.

Más información

Valid number

Gracias

En un momento un asesor Bourbaki resolverá todas tus dudas
Oops! Something went wrong while submitting the form.
Suscríbete a nuestro boletín
Colegio Bourbaki logo dorado
Contacto