Diplomado Matemáticas para machine learning: introducción

Por qué estudiar con nosotros

A partir de la revisión de los temas más relevantes de matemáticas y estadística, el diplomado permite tener una buena comprensión del ML en el nivel básico, desde la cual se podrán apropiar los algoritmos existentes, así como sus limitaciones, lo que constituye la base para proponer otros nuevos o extensiones de los existentes.

El diplomado le brinda al participante conocimiento firme en un tema de actualidad como lo es el ML.
A través de la revisión de cuatro principales temas de ML en el nivel básico, es decir, regresión, reducción de dimensionalidad, estimación de densidad y clasificación, el programa brinda herramientas de análisis de datos que están a la vanguardia en el mundo de hoy.
Cada uno de los cuatro módulos se puede desarrollar independientemente, a elección del participante, para optimizar su formación de acuerdo con sus necesidades o preferencias particulares.
La persona capacitada con este diplomado estará en la posibilidad de obtener un alto rendimiento en programas de maestría en ciencia de datos y áreas afines como informática, actuaría, analítica, entre otras. Igualmente, podrá incursionar más fácilmente en el diseño de algoritmos de ML y participar en equipos interdisciplinarios dedicados a dar soluciones con base en ML.

Metodología

El diplomado se impartirá de manera remota sincrónica utilizando herramientas computacionales; para los ejemplos de cálculo se utilizará Python. Se combinará teoría y práctica, mostrando en todo momento la relación entre la matemática y el ML.

Contar con conexión a internet de banda ancha.
Disponer de audífonos (diadema o manos libres) para aislar el ruido externo.
Verificar que el equipo de cómputo no esté bloqueado para conexiones a herramientas de Microsoft.
En caso de tener otra cuenta en Microsoft Teams, cerrar las sesiones relacionadas y acceder mediante un navegador con caché vacío.
Conectarse a las sesiones de clase al menos diez minutos antes para verificar la conexión y realizar ajustes necesarios.

La Universidad Escuela Colombiana de Ingeniería Julio Garavito otorgará diploma de asistencia a quienes participen activa y cumplidamente como mínimo en el 90 % de las actividades programadas.

Perfil del aspirante

Técnicos y tecnólogos en formación y profesionales con experiencia inicial en áreas de análisis de datos, actuaría o funciones administrativas, interesados en desarrollar habilidades técnicas y estratégicas para fortalecer su perfil en un entorno empresarial dinámico. Este perfil incluye analistas, actuarios junior y auxiliares de dirección motivados por: integrar equipos especializados en análisis de datos y soluciones de aprendizaje automático (ML) para la toma de decisiones basada en datos; escalar posiciones dentro de la compañía, mejorando su impacto organizacional y nivel de ingresos; actualizar y fortalecer conocimientos en tendencias actuales, como ciencia de datos, inteligencia artificial, y tecnología aplicada y/o prepararse para cursar estudios de posgrado relacionados con datos, tecnología y áreas afines.
Los participantes destacan por su capacidad analítica, interés por la innovación, visión estratégica y motivación para alcanzar metas personales y profesionales a través de una formación continua.

Contenido temático

Introducción general a ML
Introducción general a Python
Temas generales de Matemáticas básicas
Ejemplos y Ejercicios

Escalares, vectores, matrices y tensores
Operaciones con matrices
Determinantes
Espacios vectoriales
Transformaciones lineales
Ejemplos y ejercicios

Variables aleatorias
Distribuciones de probabilidad en una y varias variables
Distribuciones de probabilidad comunes en ML
Máxima verosimilitud
Inferencia Bayesiana
Ejemplos y ejercicios

Cálculo con funciones de valor y variable reales
Cálculo con funciones vectoriales
Gradientes
Linealización y series de Taylor
Optimización
Ejemplos y ejercicios

El curso se desarrollará entre el 21 de mayo y el 6 de agosto de 2025, lunes, miércoles y viernes de 6:00 a 9:00 p.m. Las sesiones de clase se realizarán en modalidad remota sincrónica por medio de la aplicación Microsoft Teams.

Nota: la programación de las clases se ajustará en conjunto con el grupo de participantes para completar las 100 horas del diplomado.

La Universidad Escuela Colombiana de Ingeniería, para sus programas de Educación Continuada, se reserva el derecho de cambiar sus conferencistas y fechas de realización, o cancelarlos de no contar con el número de personas requerido para tal fin. Lo anterior se informará a los interesados con antelación.

Objetivos alcanzables

Lograr en el participante una comprensión de los temas más relevantes de matemáticas y estadística necesarios para un adecuado manejo, a nivel básico, de los algoritmos en Machine Learning.

Introducir al participante al mundo del Machine Learning desde la comprensión de sus bases matemáticas a un nivel accesible para él y en general para los profesionales, graduados o en curso, de múltiples carreras universitarias.