Segundo Bloque: Primavera
En el segundo bloque del programa se profundizan las bases aprendidas. Se exploran a detalle y en mayor alcance los conceptos y técnicas relevantes en los ámbitos de programación, modelado estadístico y matemático. El semestre está planeado para un alumno de posgrado de tiempo completo. Esto implica una carga académica de 5 materias. El área de especialización es amplia y esto se logra por medio de nuestra oferta en materias optativas, las cuales están marcadas con un asterisco (*).
Métodos de Gran Escala
Arquitectura de Productos de Datos
Conocer los diferentes elementos que forman parte de un producto de datos. Conocer las implicaciones de cada uno de esos elementos. Entender los conceptos básicos de ingeniería de software/ingeniería de datos. Construir productos de datos de inicio a fin.
Prerequisito: Introducción a Ciencia de Datos o equivalente
Estadística Multivariada y Datos Categóricos (*)
Aprendizaje de Máquina Profundo
El objetivo es brindar al estudiante una sólida introducción a las técnicas de Aprendizaje de Máquina modernas. En particular, las que se encuentran en el área de Deep Learning. Aprenderán las técnicas más usadas y conocerán las limitaciones y retos a los que se enfrenta el campo de aprendizaje de máquina..
Prerequisito: Aprendizaje de Máquina
Temas Selectos de Estadística
Modelación Bayesiana
Profundizar en la visualización, inferencia y simulación de modelos bayesianos para inferencia, análisis de potencia, calibración de procedimientos estadísticos y flujo de trabajo bayesiano, incluyendo el cómo incluir estos modelos en productos de datos en ambientes productivos..
Prerequisito: Fundamentos de Estadística con Remuestreo o equivalente
Modelos Lineales Generalizados
Regresión Avanzada
El estudiante se familiarizará con el concepto de modelado estadístico en general. Conocerá algunas de las familias de modelos más comunes y será capaz de realizar un análisis estadístico bayesiano para estos modelos.
Prerequisito: Fundamentos de Estadística con Remuestreo o equivalente
Métodos Analíticos
Métodos Avanzados de Ciencia de Datos
Temario en revisión.
Prerequisito: Programación para Ciencia de Datos o equivalente
Temas Selectos de Modelado (*)
Optimización Avanzada
Proporcionar fundamentos de teoría de convexidad, cómputo en paralelo y en la nube para resolución de problemas de optimización a gran escala..
Prerequisito: Optimización o equivalente
