3.7 Matemáticas para Ciencia de Datos y Aprendizaje Automático (DSM)

Esta área proporciona los fundamentos matemáticos subyacentes a la ciencia de datos moderna y el aprendizaje automático. Cubre la teoría de aprendizaje estadístico, métodos de aprendizaje supervisado y no supervisado, técnicas de evaluación de modelos y los principios matemáticos que gobiernan el comportamiento de los algoritmos de aprendizaje. El enfoque está en comprender por qué funcionan los métodos de aprendizaje automático, sus garantías teóricas y sus limitaciones, en lugar de solo su aplicación.

KA	Core Tier1	Core Tier2	Electivo
3.7.1 Fundamentos del Aprendizaje Estadístico			No
3.7.2 Métodos de Aprendizaje Supervisado			No
3.7.3 Métodos de Aprendizaje No Supervisado			No
3.7.4 Evaluación y Selección de Modelos			No