«Matemáticas para la ciencia de datos» es el tercer curso de una serie. Para obtener los mejores resultados, considere la posibilidad de realizar los dos primeros cursos: «Clase magistral de ciencia de datos para principiantes» y «Python para la ciencia de datos: de lo básico a lo avanzado». Este curso específico comienza con una introducción al álgebra lineal respondiendo a preguntas como: «¿Qué hace que las ecuaciones sean lineales?». La prioridad es que los estudiantes comprendan los sistemas de ecuaciones lineales. Luego, el enfoque pasa a centrarse en los enfoques para resolver ecuaciones matriciales. Después de eso, descubres un objeto matemático esencial: el espacio vectorial.

En los dos temas restantes de álgebra lineal, explorarás las propiedades de los espacios vectoriales y verás cómo aplicar los conocimientos previos mediante la aproximación de mínimos cuadrados. El siguiente módulo te presenta la probabilidad. Primero abordará el concepto de modelo de probabilidad y sus axiomas antes de explorar el conteo simple. Luego, aprenderás a pensar y resolver problemas simples de probabilidad discreta, incluidos los problemas condicionales del teorema de Bayes

Después, estudias las variables aleatorias, la función de masa de probabilidad, la expectativa y las funciones de masa de probabilidad conjunta. A continuación, pasará a trabajar con variables continuas y a calcular las probabilidades para más de una variable a la vez. Por último, comprenderá cómo aplicar la inferencia estadística para obtener información. La ciencia de datos es uno de los campos más interesantes del siglo XXI. Desde principios de siglo, las organizaciones han mantenido grandes volúmenes de datos, los han actualizado con mayor frecuencia y han utilizado una variedad más amplia de datos (no solo números, sino también textos, tuits, audio, vídeo, imágenes y más). El mundo necesita más científicos de datos y analistas de negocios para aprovechar la enorme cantidad de datos sin procesar y trabajar con ellos para obtener información útil