Skip to content

Clases MAT281, segundo semestre del 2019 (UTSFM- Campus San Joaquín)

Notifications You must be signed in to change notification settings

fralfaro/MAT281_2019

Repository files navigation

UTFSM

DMAT






MAT281 - 2° Semestre 2019 (versión antigua)

Aplicaciones de la Matemática en la Ingeniería

Contenidos

Equipo de trabajo

Francisco Alfaro Medina - Profesor clases teóricas/laboratorio

  • Ingeniero Civil Matemático - UTFSM, Chile (2011-2017).
  • Magister en Ciencias, Mención Matemáticas - UTFSM, Chile (2017-2019).
  • Empresas: Uplanner, Iconstruye, Cencosud.
  • Universidades: UTFSM, PUCV.
  • Actualmente: Data Science (Cencosud)

Horario

  • Clases teóricas: Lunes, 14:00 a 15:30.
  • Clases de laboratorio: Lunes, 15:40 a 17:10.
  • Ayudantías: Viernes, 15:40 a 17:10.
  • Trabajo individual: 2-3 horas por semana.

Aspectos generales

Programa del curso

  • Módulo 1 Introducción: Planificación del curso, reglas, herramientas, setup, consejos y otros temas introductorios.

  • Módulo 2 Análisis de datos: Tipos de datos, obtención de datos, detección de errores, análisis.

  • Módulo 3 Visualización: tipos de visualización, librerías más comunes, graficos dinámicos, etc.

  • Módulo 4 Machine Learning: Datasets, métricas, algoritmos de regresión, clasificación y clustering. Resolución de problemas ingenieriles.

El programa de asignatura tiene los siguientes resultados de aprendizaje.

  1. Desarrollar competencias básicas en herramientas de programación como Python o R.
  2. Determinar la complejidad en la manipulación de datos (pequeños-grandes volúmenes de datos)
  3. Aplicar técnicas y herramientas de visualización de datos para identificar patrones de forma visual o presentar los resultados de una forma clara y concisa.
  4. Aplicar técnicas estadístico/matemáticas para resolución de problemas ingenieriles.

Los resultados de aprendizaje se encuentran correlacionados con las necesidades ingenieriles del mundo real. Por ejemplo,

  • Mejor utilización de recursos.
  • Garantizar calidad y reproducibilidad.
  • Detectar malas prácticas e ineficiencias.
  • Utilizar las mejores herramientas para el problema.
  • Definir métricas para determinar, controlar y mejorar el estado de un sistema.

Reglas del juego

  • Evaluaciones: Tareas(T), laboratorios(L) y proyectos(P). Pondereción: $NF = 0.4\ T + 0.4 \ L + 0.2 \ P$.
  • Asistencia: 85% de asistencia mínima para pasar el curso.

Referencias

  • Introduction to Statistical Learning, Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani.
  • Elements of Statistical Learning, Trevor Hastie, Robert Tibshirani and Jerome Friedman.
  • The Hundred-Page Machine Learning Book, Andriy Burkov.
  • Introduction To Machine Learning With Python, Andreas C. Müller,sarah Guido.

Consejos

HowToCode

About

Clases MAT281, segundo semestre del 2019 (UTSFM- Campus San Joaquín)

Topics

Resources

Stars

Watchers

Forks