Version 0.2.5
>>40226
Ya te lo dije arriba, podes usar url(data) para poner las imagenes en el css.
body {
background-image: url(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAACgAAAAoCAYAAACM/rhtAAAAeUlEQVR42uzXwQnAIAyFYVO8daquU+fpOnap9pyqpw7whIB/QPAUPqKIz9w9qeq9S29m+3HJem4peAEECBAgQIAAAQJcHNh+wbmtsEB76umRJ2j/TCKY5MgkS93BfsRjo0hiM1JdVjbjHQQIECBAgAABAgSork+AAQAChxyjuD3cNgAAAABJRU5ErkJggg==)
}
http://jpillora.com/base64-encoder/
>>6307167
Lo mismo digo negrito,nada como un mariconcito femenino.
>>6307170
Deja de sufrir negrito y solo dejate llevar,creeme te sentiras mejor contigo mismo.
>>3783
En c o t podrían darle mas información sobre lo que tendría que estudiar para poder irse por el lado del Big data. Pongo una guía que pusieron en c antes del cierre de hispachan.
De prerequisitos mínimos son cálculo y álgebra lineal.
https://www.zabaras.com/statisticalcomputing
La guía de Berkeley para estadísticas
http://sgsa.berkeley.edu/current-students/recommended-books
The Elements of Statistical Learning by Hastie, Tibshirani, and Friedman.
Comprehensive but superficial coverage of all modern machine learning techniques for handling data. Introduces PCA, EM algorithm, k-means/hierarchical clustering, boosting, classification and regression trees, random forest, neural networks, etc....the list goes on. Download the book here.
Este es el libro base muchos cursos universitarios o post grado se basan en este,
Computer Age Statistical Inference: Algorithms, Evidence, and Data Science by Hastie and Efron.
Será un popurrí que incluye técnicas de optimización.
Pattern Recognition and Machine Learning by Bishop.
Este sería más a orientado a limpieza de datos
Bayesian Reasoning and Machine Learning by Barber. Available online.
Orientado a probabilidad bayesiana
Probabilistic Graphical Models by Koller and Friedman.
Una vista con mayor profundidad en modelos gráficos probabilistas.
Convex Optimization by Boyd and Vandenberghe
Libro de optimización convexa es usado en muchos de los algoritmos de ML o DL.
Existirá otros libros como probabilidad con teoría de la medida, series de tiempo,análisis estocasticos,cadenas de markov.
Markov Chain and Mixing Times by Levin, Peres and Wilmer.
http://pages.uoregon.edu/dlevin/MARKOV/mcmt2e.pdf
http://www.mmds.org
Minería de dato ha escala masiva.
http://www.deeplearningbook.org
Libro de deep learning
https://algorithmicweb.files.wordpress.com/2017/11/algorithmic-marketing-r1-0-20171125.pdf
Algoritmos para marketing un libro de aplicaciones de ML a el marketing.
Tanto R como en Python sci kit learn están los algoritmos y técnicas de ML, en Deep learning está tensorflow,meras o pytouch.
http://scikit-learn.org/stable/
>>3778
>¿Mi pensum tiene suficiente matemáticas negro?
Pues creo que eso depende, pero en general los economistas en pregrado no están también preparados cuantitativamente. Los quants de la bolsa no son economistas y quienes se quedan con los cupos de doctorado en economía en las universidades gringas muchas veces vienen de carreras como matemáticas.
Mire las biografias de los Nobel buena parte estudio matematicas o fisica como pregrado.
Aunque supongo que todo depende de cual sea su área de interés.
>>6307134
>>6307180Ufff de a gozarlo compadre
>>6307067
Si, no veo porqué no.
>>54973
Aun no pero si ya sabes, Si no hay, este tablon es para que aprendas a hacerlo.
>>6307140
>>6307145
>>6307147
L-lo siento negritos. Ya no volveré a subir n-nada. ))):
>>54981
al menos tu tienes una tableta, por tanto siempre puedes practicar en tradicional, imprime alguna de estas imágenes y trata de copiarlas.
estudiar dibujo técnico es bueno por que principalmente las clases en las escuelas (secundaria principalmente) es sobre el manejo de las herramientas, no sobre el dibujo en si, aprendes sobre como usar el lápiz, y los diversos tipos (la base del aprendizaje sobre los tipos de lineas)
Sigue practicando, Att.
>Otro pinche estúpido que no sabe ni hacer una linea.
Hispachan Files