ME-3000 Álgebra Lineal Aplicada en Ciencia de Datos e Inteligencia Artificial

El álgebra lineal es una herramienta fundamental en la ciencia de datos, la inteligencia artificial y el deep learning. Este curso introduce los conceptos esenciales de álgebra lineal necesarios para comprender y aplicar técnicas avanzadas de análisis de datos, reducción de dimensionalidad y modelos de aprendizaje automático. A través de ejercicios prácticos, los estudiantes aprenderán a utilizar vectores, matrices, y transformaciones lineales en el desarrollo de modelos predictivos y algoritmos de aprendizaje profundo. Los temas incluyen operaciones con vectores y matrices, descomposiciones en valores singulares,

y sus aplicaciones en el Análisis en Componentes Principales, Máquinas de Soporte Vectorial y Redes Neuronales.

Objetivos:

1. Familiarizar a los estudiantes con los conceptos básicos y avanzados de álgebra lineal aplicados a la ciencia de datos y el aprendizaje automático.
2. Dotar a los estudiantes de las habilidades para realizar operaciones con vectores y matrices, y aplicarlas en la construcción de modelos de aprendizaje supervisado y no supervisado.
3. Explicar la importancia de los valores y vectores propios, y su uso en técnicas de reducción de dimensionalidad y descomposición.
4. Comprender cómo el álgebra lineal sustenta el funcionamiento de algoritmos avanzados en deep learning, como redes neuronales convolucionales y redes de memoria a largo plazo (LSTM).
5. Desarrollar habilidades para aplicar técnicas de álgebra lineal en el análisis de datos reales y en el diseño de modelos de inteligencia artificial.

Metodología

La metodología del curso combina teoría y práctica, asegurando que los estudiantes puedan aplicar directamente los conceptos en problemas reales. Las herramientas y recursos incluyen:

1. Videoconferencias semanales: Una sesión en Zoom que quedará grabada para que los estudiantes puedan revisarla en cualquier momento.
2. Trabajos prácticos semanales: Ejercicios y casos de estudio enfocados en la implementación de algoritmos en Python.
3. Foros de discusión: Espacio en Moodle donde los estudiantes pueden plantear preguntas, discutir temas del curso y colaborar con sus compañeros.
4. Aula virtual en Moodle: Acceso a materiales de estudio, presentaciones, ejercicios, y recursos adicionales.