Cursos en inglés
Introdución aos modelos lineais e á álxebra matricial (Harvard)
A Universidade de Harvard, a través da súa plataforma HarvardX en edX, ofrece o curso "Introduction to Linear Models and Matrix Algebra". Aínda que o curso se imparte en inglés, ofrece unha oportunidade única para coñecer os fundamentos da álxebra matricial e os modelos lineais, habilidades esenciais en moitos campos científicos.
Este curso de catro semanas, que require de 2 a 4 horas de estudo por semana, está deseñado para ser completado ao teu ritmo. Céntrase no uso da linguaxe de programación R para aplicar modelos lineais na análise de datos, especialmente nas ciencias da vida. Os estudantes aprenderán a manipular a álxebra matricial e comprender a súa aplicación no deseño experimental e na análise de datos de alta dimensión.
O programa abrangue a notación de álxebra matricial, operacións matriciales, aplicación da álxebra matricial á análise de datos, modelos lineais e unha introdución á descomposición QR. Este curso forma parte dunha serie de sete cursos, que se poden cursar individualmente ou como parte de dous certificados de profesionalidade en Análise de Datos para as Ciencias da Vida e Análise de Datos Xenómicos.
Este curso é ideal para aqueles que buscan adquirir habilidades en modelado estatístico e análise de datos, especialmente no contexto das ciencias da vida. Proporciona unha base sólida para aqueles que desexan explorar máis a álxebra matricial e a súa aplicación en varios campos científicos e de investigación.
Probabilidade mestra (Harvard)
LA lista de reprodución "Statistics 110: Probability" en YouTube, impartida en inglés por Joe Blitzstein da Universidade de Harvard, é un recurso inestimable para aqueles que buscan afondar no seu coñecemento da probabilidade.. A lista de reprodución inclúe vídeos de leccións, materiais de repaso e máis de 250 exercicios prácticos con solucións detalladas.
Este curso de inglés é unha ampla introdución á probabilidade, presentada como unha linguaxe esencial e un conxunto de ferramentas para comprender a estatística, a ciencia, o risco e a aleatoriedade. Os conceptos ensinados son aplicables en diversos campos como estatística, ciencia, enxeñaría, economía, finanzas e vida diaria.
Os temas tratados inclúen os conceptos básicos da probabilidade, as variables aleatorias e as súas distribucións, as distribucións univariadas e multivariadas, os teoremas do límite e as cadeas de Markov. O curso require coñecementos previos de cálculo dunha variable e familiaridade coas matrices.
Para aqueles que están cómodos co inglés e están ansiosos por explorar o mundo da probabilidade en profundidade, esta serie de cursos de Harvard ofrece unha oportunidade de aprendizaxe enriquecedora. Podes acceder á lista de reprodución e aos seus contidos detallados directamente en YouTube.
Probabilidade explicada. Curso con subtítulos en francés (Harvard)
O curso "Fat Chance: Probability from the Ground Up", ofrecido por HarvardX en edX, é unha fascinante introdución á probabilidade e á estatística. Aínda que o curso se imparte en inglés, é accesible a un público francófono grazas aos subtítulos en francés dispoñibles.
Este curso de sete semanas, que require de 3 a 5 horas de estudo por semana, está pensado para aqueles que son novos no estudo da probabilidade ou que buscan unha revisión accesible dos conceptos clave antes de matricularse nun curso de estatística.Nivel universitario. "Fat Chance" enfatiza o desenvolvemento do pensamento matemático en lugar de memorizar termos e fórmulas.
Os módulos iniciais introducen as habilidades básicas de conta, que despois se aplican a problemas sinxelos de probabilidade. Os módulos posteriores exploran como se poden adaptar estas ideas e técnicas para abordar unha gama máis ampla de problemas de probabilidade. O curso remata cunha introdución á estatística a través das nocións de valor esperado, varianza e distribución normal.
Este curso é ideal para aqueles que buscan aumentar as súas habilidades de razoamento cuantitativo e comprender os fundamentos da probabilidade e da estatística. Ofrece unha perspectiva enriquecedora sobre a natureza acumulativa das matemáticas e como se aplica para comprender o risco e a aleatoriedade.
Inferencia estatística e modelado para experimentos de alto rendemento (Harvard)
O curso "Inferencia estatística e modelado para experimentos de alto rendemento" en inglés céntrase nas técnicas utilizadas para realizar inferencias estatísticas sobre datos de alto rendemento. Este curso de catro semanas, que require 2-4 horas de estudo por semana, é un recurso valioso para aqueles que buscan comprender e aplicar métodos estatísticos avanzados en contextos de investigación intensivos en datos.
O programa abarca unha variedade de temas, incluíndo o problema de comparación múltiple, as taxas de erro, os procedementos de control da taxa de erro, as taxas de descubrimento falso, os valores q e a análise exploratoria de datos. Tamén introduce o modelado estatístico e a súa aplicación a datos de alto rendemento, discutindo distribucións paramétricas como binomial, exponencial e gamma, e describindo a estimación de máxima verosimilitud.
Os estudantes aprenderán como se aplican estes conceptos en contextos como a secuenciación de próxima xeración e os datos de microarrays. O curso tamén abrangue modelos xerárquicos e empírica bayesiana, con exemplos prácticos do seu uso.
Este curso é ideal para aqueles que buscan afondar na súa comprensión da inferencia estatística e do modelado na investigación científica moderna. Ofrece unha perspectiva en profundidade sobre a análise estatística de datos complexos e é un excelente recurso para investigadores, estudantes e profesionais dos campos das ciencias da vida, a bioinformática e a estatística.
Introdución á probabilidade (Harvard)
O curso "Introdución á probabilidade", ofrecido por HarvardX en edX, é unha exploración en profundidade da probabilidade, unha linguaxe e un conxunto de ferramentas esenciales para comprender os datos, o azar e a incerteza. Aínda que o curso se imparte en inglés, é accesible a un público francófono grazas aos subtítulos en francés dispoñibles.
Este curso de dez semanas, que require de 5 a 10 horas de estudo por semana, pretende achegar a lóxica a un mundo cheo de azar e incerteza. Proporcionará as ferramentas necesarias para comprender os datos, a ciencia, a filosofía, a enxeñaría, a economía e as finanzas. Non só aprenderás a resolver problemas técnicos complexos, senón tamén a aplicar estas solucións na vida diaria.
Con exemplos que van desde probas médicas ata predicións deportivas, obterás unha base sólida para o estudo da inferencia estatística, procesos estocásticos, algoritmos aleatorios e outros temas nos que a probabilidade sexa necesaria.
Este curso é ideal para aqueles que buscan aumentar a súa comprensión da incerteza e do azar, facer boas predicións e comprender variables aleatorias. Ofrece unha perspectiva enriquecedora sobre as distribucións de probabilidade comúns utilizadas en estatística e ciencia de datos.
Cálculo aplicado (Harvard)
O curso "Calculus Applied!", ofrecido por Harvard en edX, é unha exploración en profundidade da aplicación do cálculo dunha soa variable nas ciencias sociais, da vida e das ciencias físicas. Este curso, totalmente en inglés, é unha excelente oportunidade para aqueles que buscan comprender como se aplica o cálculo en contextos profesionais do mundo real.
Con dez semanas de duración e entre 3 e 6 horas de estudo á semana, este curso vai máis aló dos libros de texto tradicionais. Colabora con profesionais de diversos campos para mostrar como se utiliza o cálculo para analizar e resolver problemas do mundo real. Os estudantes explorarán aplicacións variadas, que van desde a análise económica ata a modelización biolóxica.
O programa abarca o uso de derivadas, integrais, ecuacións diferenciais e destaca a importancia dos modelos e parámetros matemáticos. Está deseñado para aqueles que teñen unha comprensión básica do cálculo dunha soa variable e están interesados nas súas aplicacións prácticas en varios campos.
Este curso é perfecto para estudantes, profesores e profesionais que buscan afondar na comprensión do cálculo e descubrir as súas aplicacións no mundo real.
Introdución ao razoamento matemático (Stanford)
O curso "Introduction to Mathematical Thinking", ofrecido pola Universidade de Stanford en Coursera, é unha inmersión no mundo do razoamento matemático. Aínda que o curso se imparte en inglés, é accesible a un público francófono grazas aos subtítulos en francés dispoñibles.
Este curso de sete semanas, cunha duración aproximada de 38 horas en total, ou unhas 12 horas semanais, está pensado para aqueles que desexen desenvolver o pensamento matemático, diferente da simple práctica matemática tal e como se adoita presentar no sistema escolar. O curso céntrase en desenvolver unha forma de pensar "fóra da caixa", unha habilidade valiosa no mundo actual.
Os estudantes explorarán como pensan os matemáticos profesionais para resolver problemas do mundo real, xa sexan do mundo cotián, da ciencia ou das propias matemáticas. O curso axuda a desenvolver esta forma de pensar crucial, indo máis alá dos procedementos de aprendizaxe para resolver problemas estereotipados.
Este curso é ideal para aqueles que buscan reforzar o seu razoamento cuantitativo e comprender os fundamentos do razoamento matemático. Ofrece unha perspectiva enriquecedora sobre a natureza acumulativa das matemáticas e a súa aplicación á comprensión de problemas complexos.
Aprendizaxe estatística con R (Stanford)
O curso "Aprendizaxe estatística con R", ofrecido por Stanford, é unha introdución de nivel intermedio á aprendizaxe supervisada, centrada nos métodos de regresión e clasificación. Este curso, totalmente en inglés, é un recurso valioso para aqueles que buscan comprender e aplicar métodos estatísticos no campo da ciencia de datos.
O curso, cunha duración de once semanas e que require de 3 a 5 horas de estudo por semana, abarca tanto métodos tradicionais como novos interesantes de modelado estatístico e como utilizalos na linguaxe de programación R. do curso actualizouse en 2021 para a segunda edición de o manual do curso.
Os temas inclúen regresión lineal e polinómica, regresión loxística e análise discriminante lineal, validación cruzada e arranque, métodos de selección e regularización de modelos (cresta e lazo), modelos non lineais, splines e modelos aditivos xeneralizados, métodos baseados en árbores, bosques aleatorios e impulso, admite máquinas vectoriais, redes neuronais e aprendizaxe profunda, modelos de supervivencia e probas múltiples.
Este curso é ideal para aqueles con coñecementos básicos de estatística, álxebra lineal e informática, e que buscan afondar na comprensión da aprendizaxe estatística e da súa aplicación na ciencia de datos.
Como aprender matemáticas: un curso para todos (Stanford)
O curso "Como aprender matemáticas: para estudantes", ofrecido por Stanford. É un curso en liña gratuíto para estudantes de todos os niveis de matemáticas. Enteiramente en inglés, combina información importante sobre o cerebro con novas evidencias sobre as mellores formas de abordar as matemáticas.
Duración de seis semanas e que require de 1 a 3 horas de estudo por semana. O curso está deseñado para transformar a relación dos alumnos coas matemáticas. Moitas persoas tiveron experiencias negativas coas matemáticas, o que provocou aversión ou fracaso. Este curso ten como obxectivo proporcionar aos alumnos a información que necesitan para gozar das matemáticas.
Tratanse temas como o cerebro e a aprendizaxe das matemáticas. Tamén se tratan mitos sobre matemáticas, mentalidade, erros e velocidade. A flexibilidade numérica, o razoamento matemático, as conexións, os modelos numéricos tamén forman parte do programa. Non se esquecen as representacións das matemáticas na vida, pero tamén na natureza e no traballo. O curso está deseñado cunha pedagoxía activa do compromiso, facendo que a aprendizaxe sexa interactiva e dinámica.
É un recurso valioso para quen queira ver as matemáticas doutro xeito. Desenvolver unha comprensión máis profunda e positiva desta disciplina. É especialmente axeitado para aqueles que tiveron experiencias negativas coas matemáticas no pasado e que buscan cambiar esta percepción.
Xestión de probabilidades (Stanford)
O curso "Introdución á xestión de probabilidades", ofrecido por Stanford, é unha introdución á disciplina da xestión de probabilidades. Este campo céntrase en comunicar e calcular incertezas en forma de táboas de datos auditábeis chamadas Paquetes de información estocástica (SIP). Este curso de dez semanas require de 1 a 5 horas de estudo á semana, sendo sen dúbida un recurso valioso para aqueles que buscan comprender e aplicar métodos estatísticos no campo da ciencia de datos.
O currículo do curso abrangue temas como o recoñecemento da "falla das medias", un conxunto de erros sistemáticos que xorden cando as incertezas se representan mediante números únicos, normalmente unha media. Explica por que moitos proxectos están atrasados, por riba do orzamento e por debaixo do orzamento. O curso tamén ensina a aritmética da incerteza, que realiza cálculos con entradas incertas, o que resulta en saídas incertas a partir das cales podes calcular os resultados medios verdadeiros e as posibilidades de alcanzar os obxectivos especificados.
Os estudantes aprenderán a crear simulacións interactivas que se poden compartir con calquera usuario de Excel sen necesidade de complementos ou macros. Este enfoque é igualmente axeitado para Python ou calquera ambiente de programación que admita matrices.
Este curso é ideal para aqueles que se senten cómodos con Microsoft Excel e buscan afondar na súa comprensión da xestión de probabilidades e a súa aplicación na ciencia de datos.
A ciencia da incerteza e dos datos (MIT)
O curso “Probability – The Science of Uncertainty and Data”, ofrecido polo Massachusetts Institute of Technology (MIT). É unha introdución fundamental á ciencia de datos mediante modelos probabilísticos. Este curso ten unha duración de dezaseis semanas, requirindo de 10 a 14 horas de estudo por semana. Corresponde a parte do programa MIT MicroMasters en estatística e ciencia de datos.
Este curso explora o mundo da incerteza: desde accidentes en mercados financeiros impredicibles ata as comunicacións. Modelización probabilística e campo relacionado da inferencia estatística. Son dúas claves para analizar estes datos e facer predicións cientificamente sólidas.
O alumnado descubrirá a estrutura e os elementos básicos dos modelos probabilísticos. Incluíndo as variables aleatorias, as súas distribucións, medias e varianzas. O curso tamén abarca os métodos de inferencia. As leis dos grandes números e as súas aplicacións, así como os procesos aleatorios.
Este curso é perfecto para aqueles que queren coñecementos fundamentais en ciencia de datos. Ofrece unha perspectiva integral dos modelos probabilísticos. Desde elementos básicos ata procesos aleatorios e inferencia estatística. Todo isto é especialmente útil para profesionais e estudantes. Particularmente nos campos da ciencia de datos, enxeñería e estatística.
Probabilidade computacional e inferencia (MIT)
O Instituto Tecnolóxico de Massachusetts (MIT) presenta o curso "Computational Probability and Inference" en inglés. O programa inclúe unha introdución de nivel intermedio á análise e inferencia probabilística. Este curso de doce semanas, que require de 4 a 6 horas de estudo por semana, é unha exploración fascinante de como se usan a probabilidade e a inferencia en áreas tan variadas como o filtrado de spam, a navegación de bots móbiles ou mesmo en xogos de estratexia como Jeopardy e Go.
Neste curso, aprenderás os principios de probabilidade e inferencia e como implementalos en programas informáticos que razoan con incerteza e fan predicións. Coñecerá diferentes estruturas de datos para almacenar distribucións de probabilidade, como modelos gráficos probabilísticos, e desenvolverá algoritmos eficientes para razoar con estas estruturas de datos.
Ao final deste curso, saberás como modelar problemas do mundo real coa probabilidade e como usar os modelos resultantes para a inferencia. Non precisa ter experiencia previa en probabilidade ou inferencia, pero debería estar cómodo coa programación e cálculo básico de Python.
Este curso é un recurso importante para aqueles que buscan comprender e aplicar métodos estatísticos no campo da ciencia de datos, proporcionando unha perspectiva completa sobre modelos probabilísticos e inferencia estatística.
No corazón da incerteza: o MIT desmitifica a probabilidade
No curso "Introduction to Probability Part II: Inference Processes", o Massachusetts Institute of Technology (MIT) ofrece unha inmersión avanzada no mundo da probabilidade e da inferencia. Este curso, integramente en inglés, é unha continuación lóxica da primeira parte, que afonda na análise de datos e na ciencia da incerteza.
Durante un período de dezaseis semanas, cun compromiso de 6 horas á semana, este curso explora as leis dos grandes números, os métodos de inferencia bayesiana, a estatística clásica e os procesos aleatorios como os procesos de Poisson e as cadeas de Markov. Esta é unha exploración rigorosa, destinada a aqueles que xa teñen unha base sólida de probabilidade.
Este curso destaca polo seu enfoque intuitivo, mantendo o rigor matemático. Non só presenta teoremas e demostracións, senón que pretende desenvolver unha comprensión profunda dos conceptos mediante aplicacións concretas. Os estudantes aprenderán a modelar fenómenos complexos e interpretar datos do mundo real.
Ideal para profesionais da ciencia de datos, investigadores e estudantes, este curso ofrece unha perspectiva única sobre como a probabilidade e a inferencia configuran a nosa comprensión do mundo. Perfecto para aqueles que buscan afondar na súa comprensión da ciencia de datos e da análise estatística.
Combinatoria analítica: un curso de Princeton para descifrar estruturas complexas (Princeton)
O curso de Combinatoria analítica, ofrecido pola Universidade de Princeton, é unha exploración fascinante da combinatoria analítica, unha disciplina que permite predicións cuantitativas precisas de estruturas combinatorias complexas. Este curso, totalmente en inglés, é un recurso valioso para aqueles que buscan comprender e aplicar métodos avanzados no campo da combinatoria.
Con unha duración de tres semanas e unhas 16 horas en total, aproximadamente 5 horas semanais, este curso presenta o método simbólico para derivar relacións funcionais entre funcións xeradoras ordinarias, exponenciais e multivariadas. Tamén explora métodos de análise complexa para derivar asintóticas precisas a partir das ecuacións de funcións xeradoras.
Os estudantes descubrirán como se pode usar a combinatoria analítica para predicir cantidades precisas en grandes estruturas combinatorias. Aprenderán a manipular estruturas combinatorias e utilizar técnicas de análise complexas para analizar estas estruturas.
Este curso é ideal para aqueles que buscan afondar na súa comprensión da combinatoria e a súa aplicación na resolución de problemas complexos. Ofrece unha perspectiva única sobre como a combinatoria analítica moldea a nosa comprensión das estruturas matemáticas e combinatorias.