Adelis

👩🏻‍🏫 Soy profesional en Matemática e Informática con más de 10 años de experiencia dando clases desde secundaria, pasando por bachillerato hasta un nivel universitario. 👩🏻‍💻 Me considero una persona apasionada por la Matemática y la Tecnología, así como también por ayudar con mucha paciencia a quienes estén interesados en navegar por las aguas de la ciencia. Si tienes hijos pequeños o adolescentes soy muy muy paciente y dedicada enseñando. 📸 🏃🏻‍♀️ 🏞 📚 🧘🏻‍♀️ Además de la Matemática me encantan muchas otras cosas, entre mis hobbies está la fotografía, correr, el senderismo, yoga y la lectura; con mucho gusto también puedo compartir mis conocimientos en estos tópicos. ✍🏽 🙌🏼 Nuestro proceso se centraría en aprender a través de la práctica, por lo que mis clases se ajustarán al ritmo del aprendiz compartiendo los aspectos teóricos-prácticos con el material instruccional adecuado. Esto te permitirá la resolución guiada de problemas en vivo donde podrás aclarar tus dudas de manera inmediata conmigo. 💪🏼 💯 📈 Me encantaría compartir mis conocimientos y técnicas de aprendizaje a través de mis clases, para ayudarte a mejorar tu motivación, habilidades y destrezas en Matemática. La Matemática está en todas partes y es mucho más hermosa de lo que nos han hecho ver muchas veces, ¡así que anímate! 📌 Aquí te dejo una lista de los tópicos en los que te podría ayudar, y si no ves alguno que te interese en esta lista recuerda preguntar, ¡hacer conexión en red casi siempre da buenos resultados en las búsquedas!. - Matemática básica en niveles primaria (6-12 años) y secundaria (1º - 4º ESO / 12-16 años): - Números naturales y operaciones - Números fraccionarios y operaciones - Polinomios en el plano cartesiano - Números enteros y operaciones - Número y variable - Raíces cuadradas y cúbicas. - Ecuaciones de segundo grado. - Operaciones con fracciones y decimales. - Geometría del espacio. - Volúmenes y áreas de cuerpos geométricos. - Teorema de tales. - Aritmética y álgebra. - Funciones. - Estadística y Probabilidad. - Resolución de problemas - Cálculo básico nivel universitario (17 años en adelante): - Funciones, límites y continuidad - Derivada y diferenciación - Métodos de graficación - Integral definida e integración - Técnicas de integración - Vectores, rectas, planos y superficies - Cálculo diferencial de funciones de más de una variable - Integración múltiple - Cálculo de campos vectoriales - Álgebra elemental y sus operaciones - Álgebra Lineal - Vectores - Matrices - Espacios vectoriales - Transformaciones lineales - Álgebra lineal numérica - Eliminación de Gauss y Gauss-Jordan - Factorización LU - Factorización QR - Valores propios - Matemáticas Discretas I (Lógica) - Lógica Proposicional - Lógica de Predicados - Teoría de Conjuntos - Inducción Matemática - Matemáticas Discretas II - Recurrencia Lineal (1er y 2do Orden) - Relación Binaria - Relación de Equivalencia - Relación de orden parcial y total - Estructuras Algebraicas (Grupos, Homomorfismos e Isomorfismos) - Álgebra de Boole - Grafos dirigidos y no dirigidos - Probabilidad y Estadística - Experimento aleatorio, Espacio Muestral, Modelo probabilístico, Ley de Laplace, Combinatoria. - Probabilidades condicionales, Independencia, Regla de la suma y multiplicación, Probabilidades totales y Teorema de Bayes. - Variables aleatorias: discretas y continuas, función de probabilidad, función de probabilidad acumulada, varianza y esperanza - Variables Aleatorias Conjuntas: Marginales e Independencia. Covarianza y Coeficiente de Correlación. - Teorema Central del límite: Caso suma, proporción y promedio. Ley de grandes números. - Intervalos de confianza: para la media y proporción con varianza conocida y desconocida. - Prueba de hipótesis - Cadenas de Markov: clasificación de estados, cadenas irreductibles y vector de probabilidad límite. - Estadística descriptiva: promedio, moda, mediana, percentiles e histogramas. - Algoritmos y Modelos de Machine Learning (Supervisados y No Supervisados) - Linear Regression (Least Squares, Ridge, Lasso and Polinomial) - Logistic Regression - K-Nearest Neighbours - Overfitting y Underfitting - Support Vector Machines - Cross Validation - Decision Trees - Confusion Matrix and Basic Evaluation Metrics - Naive Bayes Classifiers - Random Forest - Gradient Boosted Decision Trees - Neural Networks - Jupyter Notebooks en Python o R