Introducción al aprendizaje de máquina / aprendizaje automático / machine learning

desde un enfoque de las ciencias exactas, de datos y de la computación

Autor/a

Camilo José Torres-Jiménez

Fecha de publicación

2025-07-23

Acerca de

El presente pretende ser parte del material de acompañamiento que se podría utilizar para las clases de asignaturas como 2027643 - Introducción al aprendizaje de máquina, 2028837 - Matemáticas del aprendizaje de máquinas y 2026958 - Tópicos avanzados en estadística (machine / statistical learning). Dichas asignaturas estarían dirigidas a estudiantes de las carreras de Ciencias de la Computación, Estadística o Matemáticas de la Facultad de Ciencias de la Universidad Nacional de Colombia, Sede Bogotá.

EN CONSTRUCCION.

Este material esta en construcción y tiene como base el material de: el Diplomado en Ciencia de Datos y el Diplomado en Inteligencia Artificial y Aprendizaje Profundo Básico, a cargo de profesores del Departamento de Estadística y que ha ofertado la Facultad de Ciencias de la Universidad Nacional de Colombia, Sede Bogotá: Diplomado en Ciencia de Datos y Diplomado en Inteligencia Artificial y Aprendizaje Profundo Básico.

Formación:

  • Matemático. Línea de profundización: Informática. Área del trabajo de grado: Computación en paralelo.
  • Magister en Ciencias Estadística, Área general y específica de la tesis: Procesos estocásticos; procesos de ramificación.

Experiencia laboral (no docente):

  • Seis (6) años como programador, administrador de bases de datos (DBA), analista de datos y líder de proyecto en el marco de convenios entre el Observatorio Colombiano de Ciencia y Tecnología y Colciencias (Minciencias).
  • Dos (2) años como gerente y representante legal de una corporación de ciencia y tecnología sin animo de lucro dedicada a proyectos de desarrollo de software, de soporte operativo a conceptual y de análisis e investigación en torno a los datos del Sistema Nacional de Ciencia, Tecnología e Innovación Colombiano.
  • Dos (2) años como Profesional I en la Rectoría de la Pontificia Universidad Javeriana, encargado de apoyar el desarrollo y seguimiento de la planeación y el desarrollo de proyectos relacionados con las estadísticas institucionales.
  • Consultor y analista estadístico para diferentes instituciones, en temas de educación superior.

Experiencia docente:

  • Un semestre como docente de cátedra en las universidades Central y Javeriana.

    • Cursos a cargo para los pregrados de Ingeniería: Probabilidad y Estadística y Álgebra Lineal.
    • Cursos a cargo para los pregrados de Ciencias Económicas: Estadística II.
  • Seis (6) años como auxiliar docente en la Universidad Nacional de Colombia, Sede Bogotá.

    • Cursos a cargo para los pregrados de Ingeniería, Ciencias Económicas y Ciencias: Probabilidad y Estadística Fundamental, Probabilidad Fundamental, Bioestadística Fundamental y Estadística I.
    • Cursos a cargo para el pregrado en Estadística: Estadística Descriptiva Multivariada y Programación en Lenguajes Estadísticos
  • Un (1) año como docente de planta en la Universidad Santo Tomas.

    • Cursos a cargo para los pregrados de Ciencias Económicas: Estadística I y Estadística II.
    • Cursos a cargo para el pregrado en Estadística: Inferencia Estadística
  • Desde junio de 2020, docente de planta en la Universidad Nacional de Colombia, Sede Bogotá.

    • Cursos a cargo para los pregrados de Ingeniería, Ciencias Económicas, Ciencias y Ciencias Humanas, Políticas y Sociales: Probabilidad y Estadística Fundamental y Estadística Social Fundamental.
    • Cursos a cargo para el pregrado en Estadística: Estadística Descriptiva Multivariada, Inferencia Estadística y Programación en Lenguajes Estadísticos.
    • Cursos a cargo para los posgrados en Estadística: Tópicos avanzados de estadística I (Aprendizaje de máquinas y ciencia de datos)
    • Parte del equipo docente de: Diplomado en Ciencia de Datos y Diplomado en Inteligencia Artificial y Aprendizaje Profundo Básico.

Este trabajo está protegido por una licencia Creative Commons de Atribución-NoComercial-CompartirIgual 4.0 Internacional — CC BY-NC-SA 4.0 (es decir, se puede compartir, modificar y distribuir el trabajo o cualquier adaptación, siempre y cuando sea con fines no comerciales, bajo la misma licencia, y citando la respectiva fuente y autor).