Enseñanza

Aquí se encontrará la información relativa a materias optativas brindadas por integrantes del grupo en el área de Probabilidad y Estadística, así como la relativa a otros cursos ofrecidos por programas de grado y posgrado que sean afines a nuestra área. También incluimos algunos cursos online que nos parecen interesantes (la mayoría en edición 2020).

Para cursar alguna de estas materias es conveniente contactar vía mail al responsable de la misma para conocer más detalles (créditos, horarios, pre-requisitos, modalidad de cursado, locación, etc).

La información sobre los cursos dictados desde 2020 se encuentra en este link.

Cursos y seminarios de estudio previstos para 2023

Primero se listan los cursos optativos, seminarios de estudio y cursos de posgrado. Luego se listan los cursos regulares de grado de diferentes carreras (que se brindan anual o bianualmente). En la que medida que estén los programas disponibles los iremos subiendo. De cualquier manera, si le interesa, lo mejor es que se contacte con el responsable o coordinador del curso/seminario.

Puede ser interesante visitar la página de la maestría en Ciencia de datos y Aprendizaje automático donde hay muchos cursos afines.

Primer semestre

Segundo semestre

  • Estadística no paramétrica (Resp. Leonardo Moreno) Programa - FCEA.

  • Estadística Multivariada Computacional (Resp. Juan Kalemkerian) - Programa - FING.

  • Procesos estocásticos y su simulación (Resp. Ernesto Mordecki) - FCIEN, Ingeniería Matemática y PEDECIBA.

  • Clustering: aprendizaje no supervisado (Resp. Ricardo Fraiman) - FCIEN, PEDECIBA Matemática.

Otros cursos



Cursos regulares de grado

Primer semestre

  • Probabilidad (curso básico Lic. en matemática)

  • Probabilidad y estadística (curso básico FING)

Segundo semestre

  • Probabilidad y estadística (curso básico FING)

  • Bioestadística (curso básico Lic. en bio y geo Ciencias)

Cursos interesantes disponibles online

  • Aprendizaje por refuerzo (Resp. Julián Martínez, FIUBA, GitHub y vídeos)

  • Probabilidad y Machine Learning (Resp. Pablo Groisman, FCEyN-UBA, las clases en Youtube)

  • Aprendizaje profundo para la visión artificial (Resp. Mauricio Delbracio, web)

La imagen de portada corresponde a conjuntos de nivel del Gaussian Free Field (GFF).