¿Cómo aprendemos de los datos? Este curso muestra que prácticamente todos los métodos rigurosos de aprendizaje implican convertir problemas abstractos en problemas matemáticos concretos y luego resolverlos. Los estudiantes comprenden los principios teóricos subyacentes a los métodos de machine learning, desde la regresión lineal simple hasta las redes neuronales profundas, preparándolos para las matemáticas y probabilidad que se encuentran en los cursos de división superior.
Este curso de división superior proporciona una exposición integral a la gestión de datos relacionales y SQL para estudiantes de ciencia de datos. Los temas incluyen normalización, optimización de consultas, álgebra relacional, diseño de esquemas e internos de RDBMS. Los estudiantes obtienen competencia práctica en el manejo efectivo de bases de datos relacionales.
Los estudiantes exploran la atención de pacientes hospitalizados en UCI examinando el manejo de infecciones graves utilizando el conjunto de datos MIMIC-IV, una base de datos completa de datos desidentificados de pacientes de UCI. El proyecto enseña los matices de los datos de salud, sistemas de registros médicos electrónicos y toma de decisiones clínicas mientras desarrollan productos potenciales, informes o políticas de salud. Los estudiantes obtienen comprensión del sistema de salud de EE.UU., operaciones de UCI y las complejidades de la ciencia de datos en entornos de cuidados críticos.
Co-diseñé este curso de laboratorio que introduce los fundamentos de la computación a través de MicroPython en placas BBC MicroBit. Los estudiantes exploran el uso de robots como metáfora para comprender los procesos cognitivos, con discusiones y actividades centradas en la intersección de la robótica y la ciencia cognitiva. El curso enfatiza la cognición incorporada a través de la programación práctica de hardware.
Los estudiantes trabajan en grupos en un proyecto hipotético de ciencia de datos que refleja flujos de trabajo del mundo real. Cubrimos cómo hacer preguntas de ciencia de datos, ética de datos, manipulación y acceso a datos, análisis exploratorio, machine learning y visualización. La estructura del curso sigue cómo se desarrolla un proyecto real de ciencia de datos de principio a fin.