Los siguientes enlaces son externos a la Universidad Tecmilenio, al acceder a ellos considera que debes apegarte a sus términos y condiciones.
Lecturas o videos requeridos
Tema 1. Fundamentos matemáticos para el aprendizaje automático
Lecturas
- Fradkov, A. (2020). Early History of Machine Learning. Recuperado de https://www.sciencedirect.com/science/article/pii/S2405896320325027
- Orland, P. (2021). Math for Programmers: 3D Graphics, Machine Learning, and Simulations with Python. Estados Unidos: Manning. [Texto]
Videos
- Daniel Bourke. (2020, 12 de julio). 2020 Machine Learning Roadmap (still valid for 2021) [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=pHiMN_gy9mk
Tema 2. Álgebra lineal
Lecturas
- Open Data Science. (2020). Intro to Vectors and Matrices in Machine Learning. Recuperado de https://medium.com/@ODSC/intro-to-vectors-and-matrices-in-machine-learning-4904be73d251
- Pramoditha, R. (2021). How do you use NumPy, SciPy and SymPy to solve Systems of Linear Equations? Recuperado de https://towardsdatascience.com/how-do-you-use-numpy-scipy-and-sympy-to-solve-systems-of-linear-equations-9afed2c388af
Videos
- Archimedes Tube. (2021, 6 de abril). SUBESPACIOS VECTORIALES | Curso completo de ALGEBRA lineal #4 [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=7Zp2bh6OYLE