Profundicé en probabilidad, distribuciones y estimación de parámetros. Aprendí cómo el teorema de Bayes y MLE son fundamentales para machine learning. Ahora entiendo por qué la probabilidad es esencial para manejar la incertidumbre en análisis de datos.
Aprendí desde fundamentos básicos hasta técnicas avanzadas como pruebas de hipótesis, bootstrapping y validación cruzada. Lo más valioso fue la combinación de teoría estadística con implementación práctica en Python.
Aprendí sobre límites, derivadas y su aplicación en optimización de modelos y redes neuronales. Lo más valioso fue entender cómo las matemáticas fundamentan el aprendizaje automático y el descenso de gradiente.
Aprendí sobre medidas de tendencia central, dispersión, tipos de datos y herramientas como PCA. Dominé técnicas para procesar variables numéricas y categóricas en Python, y entendí cómo las transformaciones y correlaciones son fundamentales para el análisis de datos.
Aprendí sobre tasas de interés, amortizaciones, valor del dinero en el tiempo, depreciaciones y análisis de proyectos de inversión. Ahora puedo tomar decisiones financieras más fundamentadas y evaluar oportunidades de inversión con confianza.