Probabilidad, Datos e Incertidumbre

Basado en el curso presencial de Introducción a la Probabilidad, materia dictada por el MIT desde hace más de dos décadas, este curso aborda los conceptos básicos de probabilidad: variables aleatorias múltiples discretas o continuas, expectativas y distribuciones condicionales, ley de grandes números, métodos de inferencia bayesianos, e introducción a procesos aleatorios (procesos de Poisson y cadenas de Markov). La alta exigencia de esta asignatura se corresponde con la calidad de las herramientas de la teoría probabilística que adquirirán los estudiantes y que luego podrán utilizar en situaciones de la realidad concreta.

Análisis de Datos para Ciencias Sociales

Introducción a los métodos disponibles para aprovechar y analizar datos, responder preguntas de interés cultural, social, económico y político, y evaluar ese conocimiento. En su marco se presentarán diversas técnicas para el análisis de datos: estimación, regresión y econometría, predicción, diseño experimental, ensayos de control aleatorios (y pruebas a/b), machine learning y visualización de datos. El curso está diseñado para personas interesadas en el trabajo con datos y la comunicación efectiva de los resultados. Al final de este curso los estudiantes habrán aprendido a utilizar el paquete estadístico r para realizar análisis empíricos autodirigidos.

Emprendimiento 101

Este curso del MIT parte de la certeza de que los emprendedores de desarrollos tecnológicos comparten una gran dificultad, e ideas valiosas, cuando deben responder a una pregunta aparentemente sencilla: ¿quién es tu cliente? Las clases se focalizan en estudios de caso de emprendedores del MIT de áreas tan diversas como las aplicaciones móviles, la impresión 3d, la electrónica, el desarrollo internacional o la relojería. Su análisis permitirá aprender a identificar prospectos de clientes, entrevistar a los clientes para conocer sus necesidades, elegir los clientes adecuados para un negocio particular y pensar en el cliente a la hora de diseñar el emprendimiento.

Fundamentos de Estadística

La estadística es la ciencia de convertir datos en perspectivas y, en última instancia, en decisiones. Detrás de los avances recientes en machine learning, ciencia de datos e inteligencia artificial se aplican principios estadísticos fundamentales. El propósito de este curso es desarrollar y comprender estas ideas centrales sobre bases matemáticas firmes mediante la construcción de estimadores y pruebas, así como del análisis de su desempeño asintótico. Los estudiantes aprenderán a construir estimadores utilizando el método de los momentos y la máxima verosimilitud; a cuantificar la incertidumbre con intervalos de confianza y pruebas de hipótesis; a seleccionar modelos utilizando la prueba de bondad de ajuste; a hacer predicciones mediante modelos lineales, no lineales y generalizados, y a realizar reducción de dimensión por medio del análisis de componentes principales (PCA).

Aprendizaje Automático Utilizando Python: de modelos lineales a aprendizaje profundo

Como disciplina, machine learning intenta diseñar y comprender programas informáticos que aprenden de la experiencia con el propósito de predecirla o controlarla.

En este curso, los estudiantes revisarán los principios y algoritmos para convertir los datos de entrenamiento en predicciones automáticas efectivas, tales como representación, sobredimensionamiento, regularización, generalización, dimensión VC; agrupación, clasificación, problemas de recomendación, modelos probabilísticos, aprendizaje por refuerzo; algoritmos en línea, máquinas de vectores de soporte y redes neuronales/aprendizaje profundo, e implementación y experimentación con los algoritmos en varios proyectos de Python diseñados para aplicaciones prácticas.

Moldeando el futuro del trabajo

El objetivo de este curso del MIT es explorar y desarrollar planes de acción para mejorar las oportunidades de empleo y carrera para la fuerza laboral del presente y del futuro. Con las acciones correctas, es posible moldear el futuro del trabajo para satisfacer las necesidades de los trabajadores, de las familias y sus economías y de las sociedades. Para hacerlo, primero es necesario comprender cómo está cambiando el mundo del trabajo, cómo las empresas pueden competir, prosperar y apoyar buenos trabajos y carreras, y cómo actualizar las políticas y prácticas que rigen el mundo laboral actual. Asimismo, los alumnos aprenderán lo que los empleadores esperan en el mundo laboral de hoy: las habilidades, la flexibilidad y el conocimiento que son cruciales para el éxito en el lugar de trabajo contemporáneo.