Curso de Introducción al Pensamiento Probabilístico

4.8

Nivel Básico

24 clases

3 horas de contenido

10 horas de práctica

Comprende y aplica el pensamiento probabilístico y su uso en programación. Aprende a calcular y actualizar probabilidades en varios contextos, incluyendo programación probabilística, Teorema de Bayes y detecta errores estadísticos comunes.

Programación probabilística

Mentiras estadísticas

Introducción a Machine Learning

Agrupamiento

Clasificación

Tomar examen

Profes del curso

Conoce quién enseña el curso

David Aroesti

Cloud Engineer en Google

Opiniones del curso

4.8 · 1652 opiniones

José Martín Ghiena Ramos

@tetfretguru·

Un gran desafío.

Santiago Nicolas Diez

@santiagonicolasdiez·

Esta es la parte que mas me gusta de ciencias de datos

Enrique Jiménez Téllez

@enriquejimneztllez·

Buen curso, aunque creo que falto parte de programación explicando los modelos

Bautista Coronado

@bautistacoronado·

Muy bueno. Muchas gracias por el contenido. Fue super util. Cada vez me siento mas comodo con python.

Ver las 1652 opiniones

Eleva tu aprendizaje

Este curso es parte de estas rutas de aprendizaje

Ruta

18 Cursos

Ruta de Matemáticas

63 horas

12 Profes

Aprende en casa temas de matemáticas como álgebra, ecuaciones, funciones, cálculo y probabilidad. Desarrolla tus propios análisis matemáticos y aplícalos.

Ver ruta

Ruta

28 Cursos

Profundiza en los conceptos matemáticos cruciales para entender algoritmos, estructuras de datos y la lógica detrás del software de alto rendimiento.

Ver ruta

Comunidad

La comunidad es nuestro super poder

Contenido adicional creado por la comunidad que nunca para de aprender

Curso de Introducción al Pensamiento Probabilístico

Programación probabilística

Programación Probabilística: Fundamentos y Aplicaciones Prácticas

Probabilidad Condicional y Eventos Dependientes

Teorema de Bayes: Aplicaciones y Comprensión de Probabilidades

Teorema de Bayes: Intuición y Visualización Práctica

Cálculo de Probabilidad Condicional con Teorema de Bayes y Python

Aplicaciones Modernas del Teorema de Bayes

Mentiras estadísticas

Errores de Datos en Modelos Estadísticos y su Impacto

Detectar Manipulación en Gráficas Estadísticas

Correlación vs Causalidad: Evitando Errores de Razonamiento

Errores Comunes en el Muestreo Estadístico

Identificación y prevención de la falacia del francotirador

Detectar Manipulación de Datos con Porcentajes

Falacia de Regresión a la Media: Concepto y Ejemplos Prácticos

Introducción a Machine Learning

Historia y evolución del Machine Learning

Vectores Numéricos para Modelado en Machine Learning

Métricas de Distancia en Algoritmos de Machine Learning

Agrupamiento

Algoritmos de Agrupamiento: Clasificación y Aplicaciones Prácticas

Agrupamiento Jerárquico: Algoritmo y Visualización

Algoritmo K-means: Conceptos y Aplicación Práctica

Técnicas de Agrupamiento en Machine Learning

Clasificación

Técnicas de Clasificación en Aprendizaje Supervisado

Clasificación de Datos con Algoritmo K-Nearest Neighbors

Algoritmos de Clasificación en Machine Learning

Pensamiento Computacional: Fundamentos y Aplicaciones Prácticas

Conoce quién enseña el curso

4.8 · 1652 opiniones

José Martín Ghiena Ramos

Santiago Nicolas Diez

Enrique Jiménez Téllez

Bautista Coronado

Este curso es parte de estas rutas de aprendizaje

Ruta de Matemáticas

Test técnico - Comprensión lectora aplicada

Test técnico - Pensamiento estructurado y toma de decis

Test técnico - Entornos técnicos básicos

Test técnico - Resolución de problemas

Matemáticas para Programación

La comunidad es nuestro super poder