Content in English (contenido en Inglés)

• Bayesian statistical Learning 2 (2025, 2026). Github

• Introduction to Bayesian Learning (2025, 2026). Github

• Plotting and programming in Python (2025). Github
• Day 1: Introduction, Variables, Libraries, Tabular Data, and Plotting
• Day 2: List, Loops, and Functions

• Bringing Deep Learning Workloads to JSC Supercomputers (2024). Github
• Day 1: Introduction to JSC, connecting to the clusters and setting environment
• Day 2: Data loading and Parallelization with PyTorch at JSC

• Kickstart Shell & Git (2025): Git. Course info
• Introduction to Git
• Setting up Git
• Creating a repository
• Tracking changes
• Exploring history
• Ignoring things
• Setting remote repository
• Collaborating
• Branching and merging

Contenido en español (Content in spanish)

A continuación se listan algunos de los cursos que he dictado en los últimos años, junto con los materiales utilizados en cada uno de ellos.

• Curso de Aprendizaje profundo basado en la física, Instituto Balseiro (2026). GitHub y Notas de clase
• Curso de Aprendizaje supervisado de la Diplomatura en Ciencias de datos de la FaMAF, UNC (2022). GitHub
• Regresión Linear
• Regresión logística
• Naive Bayes
• Perceptrón
• Máquina de soporte Vectorial (SVM)
• Estimación de Densidad de Kernel (KDE)
• Árboles de decisión
• Random Forest
• Boosting
• Redes Neuronales
• Sistemas de Recomendación
• Prácticas habituales en el Aprendizaje Automático
• Herramientas para la visualización de datos - Academia Data Driven (2022) GitHub Unidad 3 y Unidad 4
• Notebook 1: Introducción, matplotlib, plotly, bokeh, folium
• Notebook 2: vectores, PCA, árboles de decisión, dashboards con Bokeh
• Curso de Introducción al Aprendizaje Automático de la Maestría en Estadística Aplicada, UNC (2021). GitHub
• Análisis exploratorio con Pandas
• Visualización de datos
• Árboles de decisión
• PCA y clasificación
• K-vecinos más cercanos (KNN)
• Estimación de densidad de Kernel (KDE)
• Aprendizaje Supervisado