Saltar al contenido

Diplomatura en Python orientada a Científico de Datos

Modalidad: Online. Las clases teóricas y las prácticas se realizan con videoconferencias interactivas. Las emisiones se guardan para repaso de los estudiantes y tienen soporte de material PDF. Trabajos prácticos sobre casos reales.
Carga horaria: 120 Hs
Duración: 12 semanas
INICIA el 26 de MAYO de 2020
Inscripción abierta. Cupos limitados
Costo total: Matrícula $ 9.900 y dos cuotas de $ 5.000
Las cuotas se abonan a los 30 y 60 días de iniciado el curso. Estas cuotas no tienen interés adicional.
También podés financiar con tu tarjeta de crédito cada uno de estos aranceles
La matrícula ya tiene incluida una bonificación especial del 50 % para promover el trabajo y el estudio a distancia en este período de pandemia

$19.800 $9.900 

Producto disponible

Descripción

Programa de Estudio de la Diplomatura en Python orientada a Científico de Datos

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 paquetes que 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.

Programa análitico de la Diplomatura

Unidad 1: 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

Unidad 2: Análisis Exploratorio
Uso de NumPy
Uso de Pandas
Uso de MatPlotLib
Módulo matplotlib
Módulo math
Módulo numpy
Módulo yt
Módulo mayavi

Unidad 3: Aprendizaje no supervisado
Uso de Scikit-Learn
Análisis de componentes principales
K-Medias
Clustering jerárquico

Unidad 4: Vecinos Cercanos (Knn)
Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Unidad 5: Bayes Ingenuo
Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Unidad 6: Árboles de decisión
Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Unidad 7: Máquinas de Soporte Vectorial
Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Unidad 8: Discriminante lineal y cuadrático
Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Unidad 9: Redes Neuronales
Instalación y uso del paquete
Ejemplo conceptual en Excel
Ejemplo en Python
Principales parámetros de ajuste y control
Problema concreto

Unidad 10: 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

Equipo Docente:

Ignacio Urteaga

Susana Sarmiento

Laura Siri

Guillermo Garófalo

Beca