Métodos Numéricos con Python - Parte 3 Problemas no lineales, EDOs y EDPs

Con Juan Gabriel Gomila, Arnau Mir y María Santos

Materiales del curso de Métodos Numéricos con Python - Parte 3 Problemas no lineales, EDOs y EDPs solamente disponible en Udemy.

Puedes consultar todo el material complementario del curso en nuestro Github.io.

• Tema 10 - Problemas de valores iniciales en ecuaciones diferenciales ordinarias
  • Métodos de un paso en PVI para EDOs de primer orden.
  • Métodos multipaso en Problemas de Valores Iniciales para EDOs.
  • Problemas de valores iniciales en sistemas de EDOs.
  • Problemas de valores iniciales en EDOs de orden superior.
  • Estudio de la estabilidad de las EDOs.
• Tema 11 - Teoría de la aproximación
  • Teoría de la aproximación polinomial
  • Teoría de la aproximación trigonométrica
• Tema 12: Aproximación a las soluciones de sistemas de ecuaciones no lineales
• Tema 13: Problemas de frontera para ecuaciones diferenciales ordinarias
• Tema 14: Introducción a la resolución de ecuaciones en derivadas parciales

Las matemáticas y, en particular, los métodos numéricos avanzados son necesarios en muchos aspectos de la tecnología del siglo XXI. Sobre todo cuando se trata de temas como Machine Learning, Data Science o Inteligencia Artificial. En estos campos, son muchos los métodos que se utilizan para optimizar y tener algoritmos robustos, pero pocas las personas que lo entienden. Nuestra trilogía de cursos de métodos numéricos ha vuelto con la tercera parte: EDOs y EDPs numéricas. Aprenderás todo lo que necesitas saber sobre métodos, su validez y su precisión. Incluso veremos los pseudocódigos totalmente explicados para que los puedas programar en cualquier lenguaje de programación.

• ¿Quieres conocer a fondo los métodos que usan las librerías más avanzadas de Machine Learning?
• ¿Te interesan las matemáticas que sustentan los algoritmos de redes neuronales?
• ¿Eres un desarrollador con habilidades en algún lenguaje de programación que quieres seguir unas buenas prácticas a la hora de tener en cuenta las aproximaciones numéricas?

Si la respuesta a alguna de estas preguntas es sí, sin duda este curso es para ti. Podrás subir de nivel tus habilidades y convertirte en todo un profesional. En particular, en este curso usaremos Python, uno de los lenguajes de programación más utilizados y buscados por los profesionales del Data Science en las empresas. Así estarás al día en tecnología y algoritmos, y no solo en la teoría que hay detrás de ellos. Nuestro curso tiene más de 30 algoritmos explicados e implementados en detalle. Además, cada implementación cuenta con un ejemplo para que entiendas y sepas aplicar cada método.

Métodos Numéricos Avanzados con Python

El curso ha sido diseñado para ir combinando la teoría y después, aplicarla en la práctica. Primero con pseudocódigo, por si quieres usar cualquier lenguaje de programación, y a continuación, programada al 100% en Python.

Los 4 grandes bloques temáticos del curso incluyen

1. Ecuaciones Diferenciales Ordinarias para problemas de valores iniciales y valores frontera.
2. Teoría de la aproximación numérica.
3. La resolución de sistemas de ecuaciones no lineales.
4. Ecuaciones en Derivadas Parciales.

Tendrás todo el material del curso a tu disposición desde el primer minuto. Encontrarás todo el código fuente en Google Colab y las transparencias en nuestro repositorio Github. Podrás consultar la teoría, los ejemplos y la programación. Aprovecha para adquirir estas habilidades sin andarnos por las ramas y que así tu habilidad de programación tenga un incremento brutal. Hoy es el día en que puedes convertirte en un candidato perfecto para las empresas que están ahí fuera esperando a gente como tú.

No te pierdas la tercera y última parte de nuestra saga de Métodos Numéricos Avanzados con Python