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
Diplomatura en Python orientado a Ciencia de Datos | Día | Hora |
Introducción a la Ciencia de Datos 1 de 2 | 30/5/2022 | 19 hs |
Introducción a la Ciencia de Datos 2 de 2 | 2/6/2022 | 19 hs |
Iniciación en Python 1 de 4 | 1/6/2022 | 19 hs |
Iniciación en Python 2 de 4 | 3/6/2022 | 19 hs |
Iniciación en Python 3 de 4 | 8/6/2022 | 19 hs |
Iniciación en Python 4 de 4 | 10/6/2022 | 19 hs |
Horarios fijos a partir de la tercer semana de cursada | ||
Clases teórico – prácticas regulares | Martes | 19 hs |
No es necesario tener formación previa en programación, bases de datos y estadísticas pues se ofrecen como complemento recursos para nivelar hacia arriba cualquier posible faltante en este sentido.
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
| Análisis Exploratorio
|
Aprendizaje no supervisado
| Vecinos Cercanos (Knn)
|
Bayes Ingenuo
| Árboles de decisión
|
Máquinas de Soporte Vectorial
| Discriminante lineal y cuadrático
|
Redes Neuronales
| Reglas de asociación
|