diplomado-ia

Repositorio de discusión para el diplomado de inteligencia artificial. Este repositorio se encuentra en constante movimiento por lo que deberán sincronizarlo a menudo.

Requisitos

Tecnologías que necesitamos saber

GIT

Es imperativo que se tome el siguiente tutorial. Se recomienda hacer git pull varias veces para tener todo actualizado de manera local.

Requisitos si se tiene Linux (sistema operativo recomendado)

• Ubuntu 22.04 LTS

Es necesario instalar curl, git y el paquete build-essential.

Requisitos si se tiene MacOS

• Homebrew. Administrador de paquetes.
• Multipass. Gestor de máquinas virtuales (si se desea ejecutar linux).

Requisitos si se tiene windows

• WSL 2

Después de haber instalado wsl pueden ir a la tienda de aplicaciones de windows y buscar ubuntu, acto seguido dan clic en instalar.

Integración con VSCode

Si tienen instalado VSCode dentro de windows aquí pueden seguir un tutorial para integrar WSL con el editor de código.

Enlaces a presentaciones

• Introduction to Data Science
• Golang Intro
• Golang Part II
• Go Concurrency
• Developing Web Apps in Go Language
• Moderator App in Go Language
• Graph Algorithms in Go
• Golang and Mysql
• Building Containers with the Go Language
• Distributed Computing in Go
• Data Science and GoNum
• Modelos de Clasificación en Data Science
• Julia ISL Book
• Data Science in Julia
• Clustering Methods in Data Science
• Dimensionality Reduction: PCA, SD, T-SNE
• Graphs Revisited in Julia
• Bayesian Networks

Lenguajes de programación

• Go -> Instalación
  • Presentación inicial
  • Playground
  • Writting Web apps
  • Plots and Visualization Tools in Go
  • Effective Go
• Julia -> Instalación
  • Introduction to Julia (for programmers)
  • Julia for Data Science
  • Julia Tutorials

Data Science

• Intro to Data Science

Libros

• Introduction to Statistical Learning
• Elements of Statistical Learning

Lecturas recomendadas

• Big O Notation
• Hash Table

Formularios de google

• ¿Cuánto te tardaste en hacer el ejercicio de la slide 72?

• Movie Lens Challenge

• Queens and Kings Challenge

• Plots Challenge

Editor de código:

• VSCode (recomendado por el Dr. Juan Vargas)
• Emacs

DataSets

• MovieLens
  • MovieLens 25M (Dataset que se usará en la primer práctica)
• Wikipedia

Referencias a redes bayesianas

• Charniak: Bayesian Networks without Tears
• Richard Neapolitan: Probabilistic Reasoning in Expert Systems
• Jensen and Book on Hugin
• Lauritzen and Spiegel Halter Article
• Judea Pearl: Probabilistic Reasoning
• Castillo: Bayesian Networks
• Algorithms for Decision Making: Mykel J. Kochenderfer Tim A. Wheeler Kyle H. Wray, Stanford

¿Cómo colaboramos?

Para discutir un tema específico podemos abrir un issue para preguntar sobre algo específico.

Si queremos aportar código en el repositorio debemos crear un issue antes de mandar el PR correspondiente.