Álgebra lineal para la ciencia de datos utilizando Python
Esta Specializations es para los estudiantes interesados en explorar o seguir carreras en la ciencia de datos o entender algo de ciencia de datos para sus
Certificado oficial emitido por la SEPA través del Gobierno del Estado de México
12 meses de acceso
En línea · 192 h
16 unidades
Nivel principiante
Qué aprenderás
Lo que serás capaz de hacer
Esta Specializations es para los estudiantes interesados en explorar o seguir carreras en la ciencia de datos o entender algo de ciencia de datos para sus funciones actuales. Este curso se basará en sus fundamentos matemáticos previos y le dotará de herramientas aplicadas clave para utilizar y analizar grandes conjuntos de datos.
- Utilizar Python para resolver ecuaciones vectoriales
- Aplicar conceptos de álgebra lineal como la inversa de una matriz, la reducción de filas y los valores y vectores propios
- Utilizar modelos de regresión
- Aplique el álgebra lineal para analizar datos, crear y hacer predicciones basadas en un modelo de regresión
Habilidades que desarrollarás
Preparación de datos
Análisis de regresión
Álgebra lineal
Preprocesamiento de datos
Limpieza de datos
NumPy
Transformación de datos
Modelado predictivo
Jupyter
Análisis de datos
Reducción de dimensionalidad
Modelado estadístico
Comunicación técnica
Ciencia de datos
Modelado de datos
Modelado matemático
Entrenamiento de modelos
Estructuras de datos
Programación en Python
Álgebra
Temario
UNIDAD 1 - Introducción a las matrices y al álgebra lineal · 29 leccionesIntroducción al álgebra lineal y Python - UNIDAD 1 - Introducción a las matrices y al álgebra lineal
UNIDAD 1 - Introducción a las matrices y al álgebra lineal · 29 lecciones
Introducción al álgebra lineal y Python - UNIDAD 1 - Introducción a las matrices y al álgebra lineal
- Curso 1 Bienvenida
- Introducción al álgebra lineal para la ciencia de datos utilizando Python (Specializations)
- Introducción al álgebra lineal y Python
- Presentación de los profesores: el Dr. Davenport y el Dr. Doumbia
- Presentación del profesor: Dr. Maull
- Instalación del sistema de control de versiones Git Bash
- Nota sobre Git Bash para Mac
- Instalación de Git Bash para Mac
- Recordatorio - Comience con Git Bash
- ¿Por qué Python?
- Instalación de Jupyter Notebook a través de Anaconda
- Abrir un cuaderno Jupyter
- Consejos para mejorar tu uso de Python
- Buenas prácticas para aprender a programar
- C1.M1.LabNB002 - 7 consejos para mejorar en Python
- C1.M1.LabNB001 - Una introducción rápida a Jupyter
- Recursos de Python
- Recursos de álgebra lineal
- Introducción a las matrices
- Conozca NumPy y SymPy
- Introducción a las matrices en Python utilizando NumPy
- Introducción a las matrices en Python utilizando SymPy
- ¿Cómo se utiliza el álgebra lineal para resolver problemas?
- Introducción al álgebra lineal y a Python
- Uso de gráficos en Python para modelar datos
- Hacer más con gráficos en Python para modelar datos: Parte 1
- Hacer más con gráficos en Python para modelar datos: Parte 2 (Visualizaciones de datos)
- Modelado de datos en Python
- Conceptos fundamentales del álgebra lineal y aplicaciones comunes del álgebra lineal a la ciencia de datos
UNIDAD 2 - Uso de conceptos de álgebra lineal en Python · 11 leccionesIntroducción al álgebra lineal y Python - UNIDAD 2 - Uso de conceptos de álgebra lineal en Python
UNIDAD 2 - Uso de conceptos de álgebra lineal en Python · 11 lecciones
Introducción al álgebra lineal y Python - UNIDAD 2 - Uso de conceptos de álgebra lineal en Python
- Introducción a las funciones de álgebra lineal en Python
- Uso de matrices en Python
- Resolución de ecuaciones lineales con Python
- Lectura complementaria sobre el uso de Python para resolver ecuaciones lineales
- Utilizar el álgebra lineal
- Matriz de adición
- Multiplicación de matrices
- Un ejemplo práctico de multiplicación de matrices
- Uso del álgebra matricial en Python
- Álgebra matricial a mano y en Python
- Suma, multiplicación y multiplicación escalar de matrices a mano y en Python
UNIDAD 3 - Ecuaciones vectoriales y sistemas de ecuaciones lineales · 12 leccionesIntroducción al álgebra lineal y Python - UNIDAD 3 - Ecuaciones vectoriales y sistemas de ecuaciones lineales
UNIDAD 3 - Ecuaciones vectoriales y sistemas de ecuaciones lineales · 12 lecciones
Introducción al álgebra lineal y Python - UNIDAD 3 - Ecuaciones vectoriales y sistemas de ecuaciones lineales
- Sistemas de ecuaciones lineales
- Forma Echelon de filas y matrices aumentadas
- Operaciones elementales con filas y matrices equivalentes a filas
- Eliminación gaussiana (reducción de filas)
- Ecuaciones vectoriales
- Ecuaciones vectoriales y sistemas de ecuaciones lineales
- Aplicaciones en el mundo real Instrucciones para la asignación
- Resolución de ecuaciones vectoriales
- Aplicaciones prácticas de un modelo de función lineal
- C1.M3.LabNB001 - Aplicaciones prácticas de LM
- Utilización de ecuaciones vectoriales
- Ecuaciones vectoriales, sistemas de ecuaciones lineales y modelización de datos
UNIDAD 4 - Aplicaciones reales de las ecuaciones vectoriales · 5 leccionesIntroducción al álgebra lineal y Python - UNIDAD 4 - Aplicaciones reales de las ecuaciones vectoriales
UNIDAD 4 - Aplicaciones reales de las ecuaciones vectoriales · 5 lecciones
Introducción al álgebra lineal y Python - UNIDAD 4 - Aplicaciones reales de las ecuaciones vectoriales
- Introducción a un conjunto de datos de muestra
- Datos de ejemplo con ecuaciones vectoriales: Parte 1
- Trabajar con un conjunto de datos de muestra utilizando ecuaciones vectoriales: Parte 2
- Aplicaciones en el mundo real - Venta de helados
- Conjuntos de datos del mundo real y ecuaciones vectoriales
UNIDAD 5 - Introducción a la búsqueda de inversos · 13 leccionesConceptos fundamentales de álgebra lineal con Python - UNIDAD 5 - Introducción a la búsqueda de inversos
UNIDAD 5 - Introducción a la búsqueda de inversos · 13 lecciones
Conceptos fundamentales de álgebra lineal con Python - UNIDAD 5 - Introducción a la búsqueda de inversos
- Specializations Introducción
- Introducción al curso
- Presentación de los profesores: el Dr. Davenport y el Dr. Doumbia
- Presentación del profesor: Dr. Maull
- Bienvenido a Fundamentos de álgebra lineal y conceptos de Ciencia de datos con Python
- Repaso de ecuaciones lineales
- Determinantes
- Hallar el determinante de cualquier matriz usando Python
- Encontrar determinantes
- Inversa de una matriz de 2 x 2
- Inversos de una matriz de 3 x 3
- Encontrar la inversa
- Búsqueda de inversos
UNIDAD 6 - Introducción al álgebra matricial con Python · 11 leccionesConceptos fundamentales de álgebra lineal con Python - UNIDAD 6 - Introducción al álgebra matricial con Python
UNIDAD 6 - Introducción al álgebra matricial con Python · 11 lecciones
Conceptos fundamentales de álgebra lineal con Python - UNIDAD 6 - Introducción al álgebra matricial con Python
- Revisión de la aritmética matricial
- Álgebra matricial en Python
- Funciones de álgebra matricial con Python
- Álgebra matricial en Python con NumPy
- C2.M2.LabNB001 - Álgebra matricial básica en NumPy
- C2.M2.LabNB002 - Más álgebra matricial en NumPy
- Álgebra matricial con Python
- Transposición de matrices con Python
- C2.M2.LabNB003 - Transposición de matrices en NumPy
- Uso de Python para hallar la inversa de una matriz
- C2.M3.LabNB001 - Inversas en NumPy
UNIDAD 7 - Resolución de sistemas de ecuaciones lineales · 11 leccionesConceptos fundamentales de álgebra lineal con Python - UNIDAD 7 - Resolución de sistemas de ecuaciones lineales
UNIDAD 7 - Resolución de sistemas de ecuaciones lineales · 11 lecciones
Conceptos fundamentales de álgebra lineal con Python - UNIDAD 7 - Resolución de sistemas de ecuaciones lineales
- Forma reducida de filas: infinitas soluciones
- Reducción de filas (sin soluciones)
- C2.M3.LabNB001 - Forma escalonada por filas (REF) en Sympy
- Inversas de matrices en NumPy y SymPy
- C2.M3.LabNB004 - Inversa de una matriz en Sympy y Numpy
- Reducción de filas para resolver ecuaciones lineales
- Resolución de sistemas mediante la inversa
- Regla de Cramer
- C2.M3.LabNB003 - La regla de Cramer en Sympy
- Utilización de la inversa y la regla de Cramer
- Resolución de sistemas de ecuaciones lineales
UNIDAD 8 - Valores y vectores propios · 19 leccionesConceptos fundamentales de álgebra lineal con Python - UNIDAD 8 - Valores y vectores propios
UNIDAD 8 - Valores y vectores propios · 19 lecciones
Conceptos fundamentales de álgebra lineal con Python - UNIDAD 8 - Valores y vectores propios
- Transformaciones lineales
- Ejemplos de transformaciones lineales
- Representaciones matriciales de las transformaciones
- Transformaciones lineales
- Valores propios
- Búsqueda de valores propios
- Eigenspace
- Matriz diagonalizable
- C2.M4.LabNB001 - Matriz diagonalizable
- Matriz diagonalizable II
- C2.M4.LabNB002 - Matriz diagonalizable II
- Diagonalización de una matriz con Python
- Diagonalización de una matriz con Python
- Ejemplos reales
- C2.M4.LabNB003 - Ejemplos del mundo real I
- Ejemplos del mundo real II
- C2.M4.LabNB003 - Ejemplos del mundo real II
- Valores y vectores propios
- Valores y vectores propios
UNIDAD 9 - Introducción a los modelos de regresión · 14 leccionesConstrucción de modelos de regresión con álgebra lineal - UNIDAD 9 - Introducción a los modelos de regresión
UNIDAD 9 - Introducción a los modelos de regresión · 14 lecciones
Construcción de modelos de regresión con álgebra lineal - UNIDAD 9 - Introducción a los modelos de regresión
- Introducción a las Specializations
- Introducción al curso
- Presentación de los profesores: el Dr. Davenport y el Dr. Doumbia
- Presentación del profesor: Dr. Maull
- Bienvenido a Construcción de modelos de regresión con álgebra lineal
- ¿Qué es el análisis de regresión?
- Diferentes tipos de modelos de regresión
- C3.M1.Lab - Diferentes modelos de regresión
- Modelos de regresión en el mundo real
- Cuestionario práctico: Regresión y tipos de modelos de regresión
- Introducción al método de los modelos de Regresión lineal
- Intuición sobre el método de los mínimos cuadrados
- Cuestionario práctico: ¿Qué modelo utilizar?
- Cuestionario graduado: Definiciones y modelos de regresión
UNIDAD 10 - Utilización del método de los mínimos cuadrados · 5 leccionesConstrucción de modelos de regresión con álgebra lineal - UNIDAD 10 - Utilización del método de los mínimos cuadrados
UNIDAD 10 - Utilización del método de los mínimos cuadrados · 5 lecciones
Construcción de modelos de regresión con álgebra lineal - UNIDAD 10 - Utilización del método de los mínimos cuadrados
- Aplicación del método de los mínimos cuadrados
- Cuestionario de práctica: Método de los mínimos cuadrados
- Minimizar el error
- Cuestionario práctico: Utilización del método de los mínimos cuadrados
- Cuestionario graduado: Utilización del método de los mínimos cuadrados
UNIDAD 11 - Uso de modelos de Regresión lineal · 6 leccionesConstrucción de modelos de regresión con álgebra lineal - UNIDAD 11 - Uso de modelos de Regresión lineal
UNIDAD 11 - Uso de modelos de Regresión lineal · 6 lecciones
Construcción de modelos de regresión con álgebra lineal - UNIDAD 11 - Uso de modelos de Regresión lineal
- Regresión lineal en Python
- C3.M3.LabNB002 - Regresión lineal
- Regresión lineal múltiple en Python
- C3.M3.LabNB001 - Regresión lineal múltiple
- Cuestionario práctico: Modelo de Regresión lineal
- Cuestionario graduado: Modelo de Regresión lineal
UNIDAD 12 - Utilización del modelo de Regresión lineal · 3 leccionesConstrucción de modelos de regresión con álgebra lineal - UNIDAD 12 - Utilización del modelo de Regresión lineal
UNIDAD 12 - Utilización del modelo de Regresión lineal · 3 lecciones
Construcción de modelos de regresión con álgebra lineal - UNIDAD 12 - Utilización del modelo de Regresión lineal
- Resolución de un problema real mediante modelos de regresión lineal: Parte 1
- Resolución de un problema real mediante modelos de regresión lineal: Parte 2
- Aplicación de modelos de Regresión lineal
UNIDAD 13 - Introducción a la especialización y al curso · 5 leccionesCapstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 13 - Introducción a la especialización y al curso
UNIDAD 13 - Introducción a la especialización y al curso · 5 lecciones
Capstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 13 - Introducción a la especialización y al curso
- Introducción a las Specializations
- Introducción al curso
- Introducción del instructor
- Bienvenido a Capstone: Representación de un problema de Ciencia de datos en el marco del álgebra lineal
- Introducción al Proyecto Capstone
UNIDAD 14 - Organización de datos y uso de la función PCA · 4 leccionesCapstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 14 - Organización de datos y uso de la función PCA
UNIDAD 14 - Organización de datos y uso de la función PCA · 4 lecciones
Capstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 14 - Organización de datos y uso de la función PCA
- Tarea 1: Organización de datos en su conjunto de datos
- Organización de datos en su conjunto de datos
- Tarea 2: Utilizar el Análisis de componentes principales (PCA) para reducir el número de dimensiones
- Utilice el análisis de componentes principales (PCA) para reducir las dimensiones de un gran conjunto de datos
UNIDAD 15 - Ejecute el modelo e interprete los resultados · 6 leccionesCapstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 15 - Ejecute el modelo e interprete los resultados
UNIDAD 15 - Ejecute el modelo e interprete los resultados · 6 lecciones
Capstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 15 - Ejecute el modelo e interprete los resultados
- Tarea 3: Ejecutar un modelo de regresión
- Problemas del mundo real mediante modelos de Regresión lineal - Parte 1
- Creación del modelo de Regresión lineal
- Tarea 4: Interpretar los resultados de un modelo de Regresión lineal
- Problemas reales mediante modelos de Regresión lineal Parte II
- Interpretación de los resultados con el modelo
UNIDAD 16 - Revisión entre pares: Interpretación de los resultados con su modelo · 2 leccionesCapstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 16 - Revisión entre pares: Interpretación de los resultados con su modelo
UNIDAD 16 - Revisión entre pares: Interpretación de los resultados con su modelo · 2 lecciones
Capstone: Problema de ciencia de datos en el marco del álgebra lineal - UNIDAD 16 - Revisión entre pares: Interpretación de los resultados con su modelo
- Cómo combinar las tareas 1-4 para realizar su proyecto final
- Proyecto final
Certificado oficial
Tu certificado lo emite la SEP, no solo una plataforma
Al demostrar la competencia recibes un certificado emitido por la Secretaría de Educación Pública a través del Gobierno del Estado de México: un documento oficial que puedes presentar con confianza ante cualquier empleador o institución.
Tu certificado con INEC
- Lo emite la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México
- Documento oficial con folio verificable en línea
- Lo otorga la Universidad Tecnológica Fidel Velázquez
Otras plataformas en línea
- Constancia privada emitida por la misma plataforma
- Solo acredita horas cursadas o asistencia
- Sin respaldo de una autoridad educativa
Cómo funciona
Tu itinerario, de la inscripción al certificado
- 1
Inscripción con pago único
Pagas $4,990 MXN una sola vez y entras de inmediato al curso.
- 2
Estudias a tu ritmo
16 unidades con videos, lecturas y actividades, disponibles 24/7 durante 12 meses.
- 3
Cuestionarios por unidad
33 cuestionarios para comprobar lo aprendido.
- 4
Certificado
Emitido por la SEP a través del Gobierno del Estado de México, con folio verificable.
Lo que obtienes
Un certificado oficial de la SEP
Muestra · verificable por folio y QR
- Emitido por la Secretaría de Educación Pública (SEP), a través del Gobierno del Estado de México. No es una constancia privada: es un documento oficial, y ese respaldo marca la diferencia frente a otras plataformas en línea.
- Contenido impartido por Howard University.
- Folio y QR verificables para compartirlo con quien te contrate.
Medios que necesitas
Equipo de cómputo
Conexión estable a internet
Pago único
Empieza hoy, a tu ritmo
Un solo pago y acceso inmediato al curso completo durante 12 meses.
- 16 unidades · 156 lecciones · 192 h
- 12 meses de acceso
- 33 cuestionarios de evaluación
- Certificado emitido por la SEP (Gob. del Estado de México) con folio verificable
Preguntas frecuentes
Sobre tu inscripción
¿Cómo es el pago?
Un solo pago de $4,990 MXN. No hay mensualidades ni cargos recurrentes.
¿Cuánto tiempo tengo acceso?
12 meses desde tu inscripción, 24/7, para avanzar a tu ritmo.
¿Quién imparte el contenido?
El curso es impartido por Howard University; INEC gestiona tu inscripción, evaluación y certificado.
¿Qué pasa cuando vence mi acceso?
Puedes renovar tu cuenta tú mismo desde la plataforma, sin trámites ni esperas.
