curso-numerico-2

KO | EN

gitlite — search

#javascript #python #react #llm #golang #go #android #deep-learning #macos #cli #vue #pytorch #security #ios

curso-numerico-2

(★ 25)

Materiales del curso de Álgebra Lineal Numérica de Juan Gabriel Gomila en Udemy

curso-numerico-2 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Métodos Numéricos con Python - Parte 2 Álgebra Lineal Numérica

### Con Juan Gabriel Gomila, Arnau Mir y María Santos

Materiales del curso de [Métodos Numéricos con Python - Parte 2 Cálculo Numérico](https://cursos.frogamesformacion.com/courses/numerico-2?coupon=github) solamente disponible en Frogames Formación.

Puedes consultar todo el material complementario del curso en nuestro [Github.io](https://joanby.github.io/curso-numerico-2/).

1. [Álgebra Lineal Numérica](https://joanby.github.io/curso-numerico-2/docs/06AlgebraLinealNumerica#1). 
2. [Métodos Directos](https://joanby.github.io/curso-numerico-2/docs/07MetodosDirectosSistemas#1)
3. [Métodos Iterativos](https://joanby.github.io/curso-numerico-2/docs/08MetodosIterativosSistemas#1)
4. [Valores y Vectores Propios - Métodos de la Potencia](https://joanby.github.io/curso-numerico-2/docs/09VapsVeps#1)
5. [Valores y Vectores Propios - Métodos de Householder](https://joanby.github.io/curso-numerico-2/docs/09VapsVeps2parte#1)
6. [Valores y Vectores Propios - Descomposición en Valor Singular](https://joanby.github.io/curso-numerico-2/docs/09VapsVeps3parte#1)

Las matemáticas son necesarias en muchos aspectos de la tecnología del siglo XXI, sobretodo cuando se trata de temas como Machine Learning, Inteligencia Artificial o Data Science. En estas ramas, son muchos los algoritmos que se utilizan para optimizar y tener algoritmos robustos, pero pocas las personas que lo entienden. Nuestra trilogía de cursos de métodos numéricos ha vuelto con la segunda parte, álgebra lineal numérica para darle un giro de 180 grados a esta forma de trabajar y a explicarte todo lo que necesitas saber sobre algoritmos, su validez, en cuánto se equivocan y cual es el pseudocódigo línea a línea totalmente explicado de los mismos para que los puedas programar en cualquier lenguaje de programación.

* ¿Quieres conocer a fondo los algoritmos que usan las librerías más avanzadas de Machine Learning?
* ¿Te interesan las matemáticas que sustentan los algoritmos de redes neuronales?
* ¿Eres un desarrollador con habilidades en algún lenguaje de programación que quieres seguir unas buenas prácticas a la hora de tener en cuenta las aproximaciones numéricas?

Si la respuesta a alguna de estas preguntas es sí, sin duda este será el curso que te vendrá como anillo al dedo para subir de nivel tus habilidades y convertirte en todo un profesional. En particular para nuestro curso, nosotros usaremos Python, uno de los lenguajes mas utilizados y buscados por los profesionales del Data Science en la empresa para que así estés al día en tecnología y algoritmos, y no solo en la teoría detrás de ellos. Nuestro curso tiene más de 30 algoritmos explicados e implementados al detalle, con mejoras significativas y ejemplos desgranados al detalle para que entiendas y sepas aplicar cada uno de ellos en todos los escenarios.

El curso ha sido diseñado para ir combinando la teoría y después, aplicarla en la práctica, primero con pseudocódigo por si quieres usar cualquier lenguaje de programación, pero también programada al 100% en Python.

Los 4 grandes bloques temáticos del curso incluyen:

1. Un repaso de los conceptos más importantes del curso de Álgebra Lineal para empezar con buen pie con los algoritmos del mundo del numérico.
2. La resolución de sistemas de ecuaciones lineales con métodos directos que dan la solución exacta del mismo en un número finito de pasos, entre los que se incluye el cálculo del gradiente conjugado.
3. La resolución de sistemas de ecuaciones lineales con algoritmos iterativos, que van aproximando cada vez más la solución paso a paso. Con ambas familias de métodos y sus diversos algoritmos paso a paso, podrás decidir cuando usar uno y otro según el problema que debas resolver.
4. Terminaremos viendo el cálculo de valores y vectores propios con métodos numéricos, muy útiles para reducir la dimensión en problemas de Big Data, problemas de estadística como el análisis de componentes principales o en programación de redes neuronales artificiales.

Tendrás todo el código fuente en Google Colab desde el primer minuto, así como las transparencias a tu disposición en nuestro repositorio Github para poder consultar la teoría, los ejemplos y la programación. Así que aprovecha para adquirir estas habilidades sin andarnos por las ramas, y que así tu habilidad de programación tenga un incremento brutal y te conviertas en un candidato perfecto para las empresas que están ahi fuera esperando a gente como tu.

curso-numerico-2

curso-numerico-2 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

curso-numerico-2

curso-numerico-2 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README