Diplomatura en Python Orientada a Científico de Datos

Objetivos

La Diplomatura en Python orientada a Científico de Datos está enfocada a aprender a programar en Python y su aplicación orientada al mundo la ciencia de datos.Aprenderás el poderoso lenguaje Python al tiempo que incorporas las técnicas de análisis exploratorio, y los paquetesque permiten crear modelos como vecinos cercanos, reglas de asociación, redes neuronales, máquinas de soporte vectorial,árboles de decisión, bayes ingenuo y discriminante tanto lineal como cuadrático.

Modalidad de cursado

Diplomatura en Ciencia de Datos Modalidad a distancia de forma Online.

Dos clases semanales por videoconferencias interactivas, una teórica y una práctica. La duración de cada clase es de 30 a 60 minutos dependiendo del tema, la cantidad de participantes y el nivel de intervenciones conseguido.
El estudiante tiene actividad complementaria con material de soporte de las clases, material teórico para estudiar, ejercicios resueltos y para resolver, corrección de ejercicios y autoevaluaciones.
La dedicación recomendada a estas actividades es de ocho horas semanales.
Soporte docente por Grupo de WhatsApp, email y foro.

Fechas y horarios

Primera semana (introducción):Lunes a Viernes a las 19 horas.

Segunda semana (introducción):Martes, Miercoles y Viernes a las 19 horas.

A partir de la tercer semana:Martes a las 19 horas o Martes 20.30 horas

A quien va dirigido

Está dirigido a cualquier persona interesada en el mundo de la ciencia de datos y su aplicación. Incluyendo a profesionales de distintas disciplinas que deseen formarse en esta área del conocimiento transversal y multidisciplinaria.

Programa Analítico

Elementos de Python

Descarga e instalación
Principales librerías
Variables y tipos de datos
Listas, tuplas y diccionarios
Ejecución condicional
Ciclos definidos e indefinidos
Manejo de Excepciones
Funciones y Generadores
Clases y objetos
Manejo de archivos y directorios
Conexión a archivos planos
Conexión a Excel
Conexión a Bases de Datos

Análisis Exploratorio

Uso de NumPy
Uso de Pandas
Uso de MatPlotLib
Módulo matplotlib
Módulo math
Módulo numpy
Módulo yt
Módulo mayavi

Aprendizaje no supervisado

Uso de Scikit-Learn
Análisis de componentes principales K-Medias
Clustering jerárquico

Vecinos Cercanos (Knn)

Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto
Instalación y uso del paquete

Bayes Ingenuo

Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Árboles de decisión

Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Máquinas de Soporte Vectorial

Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Discriminante lineal y cuadrático

Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Redes Neuronales

Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Reglas de asociación

Instalación y uso del paquete
Ejemplo conceptual en Access
Ejemplo en Python
Problema concreto
Principales parámetros de ajuste y control
Esquema de votación de reglas

MODALIDAD DE ESTUDIO PARA ESTE CURSO

✅ Clases en vivo – 100% Online.
✅ Los cursos inician cada 15 días.
✅ Duración de 12 a 25 semanas, dependiendo el curso seleccionado.
✅ Campus virtual con material descargable.
✅ Las clases quedan grabadas si no llegas a tiempo.
✅ Trabajos prácticos sobre proyectos reales, para aprender haciendo.
✅ Examen final.
✅ Entrega de Certificado Oficial de la UTN FRRQ Resolución Nro 290/20, firmada por Decadno de la Facultad y Código QR de autenticidad.