Fundamentos

• Algebra Lineal y Matrices
• Algebra Relacional
• Árboles Binarios
• Funciones de Hash
• Bases de Datos
• Teorema de CAP
• Entropía
• 'Sharding'
• Data Frames y Series
• OLAP (Procesamiento Analítico en línea)
• Modelo de datos Multidimensional
• ETL
• Datos tabulares
• JSON y XML
• NoSQL
• Expresiones Regulares (regex)

Estadística

• Datasets
• Estadística Descriptiva (media, moda, mediana, varianza, etc.)
• Histogramas
• Percentiles
• Probabilidad
• Teorema de Bayes
• Variables Aleatorias
• Funciones Acumuladas
• Distribuciones Continuas
• Oblicuas
• Análisis de varianza (ANOVA)
• Teorema Central del Límite
• Método de Monte Carlo
• Chi cuadrado
• Prueba de hipótesis
• Intervalos de Confianza
• p-valor
• Estimación por máxima verosimilitud (MLE)
• Kernel Density Estimation (KDE)
• Regresión
• Covarianza
• Correlación
• Coeficiente de correlación de Pearson
• Causalidad
• Mínimos cuadrados generalizados
• Distancia euclidiana

Programación

• Variables
• Funciones
• Listas
• Arreglos
• Vectores
• Matrices
• Manipulación de Data frames
• Lectura de datos en bruto
• Lectura de datos en formato CSV/JSON/XML
• Lenguajes (Python, R, etc.)

Aprendizaje automático (Machine Learning)

• Variables continuas y discretas
• Conceptos, características y datos de entrada
• Preprocesamiento de datos
  • Extracción, Escala y Selección de características
  • Muestreo
  • Reducción de dimensionalidad
    • Análisis de Componentes Principales (Principal Component Analysis - PCA)
    • Datos de Entrenamiento, Validación y Prueba
• Aprendizaje supervisado
  • Regresión
    • Regresión Lineal/Polinómica
    • Regresión Logística
    • Ranking
    • Metricas
      • Error Absoluto Medio
      • Error Cuadrado Medio
      • R cuadrado (R2-Score)
      • Explained Variance Score
  • Clasificación
    • Árboles de decisión
      • Entropía
      • Ganancia de información
      • Algoritmo ID3
    • Clasificador Bayesiano Ingenuo
    • Máquinas de vectores de soporte (Support Vector Machines)
    • K-vecinos más cercanos (K-NN)
    • Boosting
    • Metricas
      • Exactitud
      • Tasa de clasificación
      • Matriz de confusión
      • Precisión y Exhaustividad (Precision & Recall)
      • Valor-F (F1 Score)
    • Métodos no parametrizados
• Aprendizaje no supervisado
  • Agrupamiento (Clustering)
    • Clustering jerárquico
    • Clustering K-means
• Aprendizaje reforzado
• Reglas de asociación (Lift)
• Secuencia de etiquetado (Sequence labeling)
• Subajuste y Sobreajuste (Underfitting & Overfitting)
• Sesgo y Varianza
• Curvas de aprendizaje
• Validación Cruzada (Cross-Validation)
• Análisis de sentimiento
• Detección de anomalías
• Sistemas de recomendación
• Filtrado colaborativo

Redes Neuronales Artificiales (Artificial Neural Networks - ANN)

• Perceptrones
• Función Sigmoidea
• Descenso por gradiente

Aprendizaje Profundo (Deep Learning)

• Redes Neuronales Convolucionales (CNN)
• Redes Neuronales Recurrentes (RNN)
• Memoria de largo y corto plazo (LSTM)
• Aprendizaje de Secuencia a Secuencia
• Redes Adversarias Generativas
• Aprendizaje en un solo tiro (one-shot learning)

Procesamiento de lenguajes naturales (NLP)

• Mapeo de vocabulario
• Clasificador de texto
• Reglas de asociación
• Frecuencia de términos y pesos
• Matriz Documento-Término
• Aplicaciones para la administración de información no estructurada (UIMA)
• Análisis de texto
• Reconocimiento de nombres de entidades (NER)
• Corpus lingüístico

Habla

• Reconocimiento de voz (speech to text)
• Conversor texto-voz (text to speech)

Visión artificial (Computer vision)

• Reconocimiento de Imágenes
• Visión de máquina

Visualización de datos

• Tableau
• IBM ManyEyes
• InfoVis
• Árbol de decisión
• Línea de tiempo
• Survey Plot
• Gráfico de líneas
• Gráficos Espaciales
• Diagrama de dispersión (Scatter Plot)
• Tree & Tree Map
• Histograma & Torta
• D3.js
• ggplot2
• Visualización Univariable/Multivariable
• Exploración de datos en R (Hist, Boxplot, etc.)

Big Data

• Map Reduce
• Hadoop
• Hadoop Distributed File System (HDFS)
• Principios de replicación de datos
• Name & DataNodes
• Job & Task Tracker
• Programación R/M
• Sqoop
• Flume/Scribe (para datos no estructurados)
• SQL con Pig
• Data Warehouse con Hive
• Scribe/Chukwa (para weblogs)
• Zookeeper Avro
• Storm: Hadoop en tiempo real
• Rhadoop/Rhipe
• rmr
• Cassandra
• MongoDB, Neo4j

Data Ingestion (‘Ingestión de datos’)

Data Munging (‘Limpieza de datos’)

Computación Evolutiva

• Algoritmos genéticos
• Programación genética
• Programación evolutiva
• Programación por expresión de genes (GEP)
• Neuroevolución

Robótica

Agentes Inteligentes

Toolbox

• Matriz de Herramientas
• NLTK - Librería Python
• Weka (Análisis de conocimiento en Java - GNU-GPL)
• R/R-Studio/Rattle
• Knime
• RapidMiner
• Mahout
• Spark/Storm
• Flume/Scibe/Chukwa
• Shiny/ggplot2/D3.js
• Nutch/Talend/Scraperwiki