Buen nivel de matemáticas universitarias (en particular, Álgebra Lineal)

- Emplear conocimientos avanzados de Álgebra Lineal para su aplicación en métodos de análisis de grandes volúmenes de datos - Comprender el fundamento de los algoritmos empleados en análisis de grandes volúmenes de datos para interpretar los resultados, su significado y validez Resultados de aprendizaje: · Repaso profundo del álgebra de sistemas lineales, vectores y matrices, incluyendo diagonalización matricial y transformaciones lineales · Repaso o aprendizaje de conceptos de ortogonalidad en álgebra lineal, incluyendo diagonalización matricial ortogonal y aplicaciones · Aprendizaje de la descomposición en valores singulares (SVD) de una matriz real, incluyendo aplicaciones

1. Matrices (a) Operaciones con matrices (b) Matriz de cambio de base (c) Matriz de una transformación lineal 2. Sistemas de ecuaciones lineales (a) Factorización LU (b) Factorización Cholesky (c) Aplicaciones: Métodos Iterativos 3. Diagonalización (a) Diagonalización (b) Diagonalización ortogonal (c) El método de la potencia (d) Procesos de Markov 4. Problemas de Mínimos Cuadrados (a) Ajuste de datos (b) Proyecciones ortogonales y problemas de mñinimos cuadrados (c) Factorización QR (d) Problemas de mínimos cuadrados con restricciones 5. Descomposición en Valores Singulares (a) Descomposición en Valores Singulares (b) La pseudoinversa (c) Análisis de componentes principales

Este curso se imparte en formato "FLIPPED CLASSROOM": - Los estudiantes deben visualizar unos vídeos y responder un cuestionario sobre los vídeos antes de la clase - En clase se repasarán los conceptos teóricos de los vídeos y se resolverán problemas - Adicionalmente, los estudiantes deben resolver problemas extra de manera individual Se pueden solicitar tutorías