Este curso explora los conceptos de cálculo y optimización aplicados en ciencia de datos e inteligencia artificial. Los temas abordan desde los fundamentos del cálculo diferencial hasta el uso de métodos de optimización como el gradiente para mejorar el rendimiento de modelos y algoritmos de Machine Learning. A lo largo del curso, los estudiantes aprenderán a calcular derivadas, aplicar la regla de la cadena, usar el vector gradiente, y encontrar máximos y mínimos en funciones, todo enfocado en aplicaciones prácticas en ciencia de datos.

Objetivos:

1. Comprender los fundamentos del cálculo diferencial y su aplicación en la optimización de modelos de machine learning.

2. Aprender a calcular derivadas y aplicar la regla de la cadena en el contexto de funciones utilizadas en inteligencia artificial.

3. Utilizar el vector gradiente para identificar direcciones de crecimiento o decrecimiento de funciones.

4. Aplicar técnicas de optimización, como el método del gradiente, para encontrar mínimos en funciones de una o varias variables.

5. Desarrollar habilidades para optimizar modelos predictivos y funciones de costo en ciencia de datos.

Metodología:

Este curso combina teoría y práctica en cálculo y optimización. Los estudiantes trabajarán con Python y R para aplicar los conceptos en problemas de ciencia de datos e inteligencia artificial. Las herramientas y recursos incluyen:

1. Videoconferencias semanales: Sesiones en Zoom que serán grabadas para su revisión posterior.

2. Trabajos prácticos semanales: Ejercicios aplicados en R y Python para reforzar los conceptos de cálculo y optimización.

3. Foros de discusión: Espacio en Moodle para discutir dudas y compartir conocimientos con el tutor y compañeros.

4. Aula virtual en Moodle: Acceso a materiales, ejemplos de código y otros recursos.