Revisando requisitos
Requisito previo
Este curso pertenece al siguiente programa:
Es necesario que te inscribas al programa antes de poder tomar este curso
Requisitos previos
Horarios disponibles
Selecciona un horario de la siguiente lista
Inscripción terminada
Inscripción no realizada
Si considera que esto es un error comunicarse al correo: jmrincon@ia.center
Ciencia de datos usando Python y Anaconda, nivel básico
El objetivo de este curso es adquirir los conocimientos básicos del lenguaje Python usando el ambiente de trabajo Anaconda en los procesos de importar, limpiar, transformar, visualizar y modelar datos.
Inicia sesión para inscribirteInicio
28/11/2022
Duración
30 horas
Dedicación
4 horas por semana
Precio
Beca Microsoft
Idioma
Español
Modalidad
Vía Teams
Horarios
-
Martes y jueves de 18:00 a 20:00, Hora de Ciudad Juárez
Inicia 28/11/2022
Prerequisitos
Requisitos
Perfil de ingreso
Perfil de egreso
Obtén certificados oficiales
Contenido del curso
Módulo 1: Python para la Ciencia de datos I
• Presentar el entorno de trabajo de Anconda • Identificar y practicar con las diferentes estructuras de datos en Python o Listas, o Diccionarios, o Tuples o Conjuntos • Identificar y practicar con funciones en Python o Argumentos y alcance
Módulo 2: Python para la Ciencia de datos II
• Identificar y practicar con funciones y paquetes en Python o Pandas o Numpy o Matplotlib • Identificar y practicar con diferetes formas de manejar los datos como. o Seleccionar variables o Subconjuntos o Manejo de listas o Remplazar / Elimnar elementos
Módulo 3: Importar datos en Python
• Conocer y practicar con los diferetnes formatos que Python puede importar datos o tsv. o csv o Excell o Json o Rds o Sav o Dta o Mat
Módulo 4: Limpieza de datos en Python:
• Identificar problemas comunes en la limpieza de datos: o Conversion de tipo de datos o Identificacion de duplicados Problemas con datos categoricos o Remplazar caracteres o Remover caracteres o Datos nulos
Módulo 5: Visualización de datos I
• Introduccion a la gramatica de graficos con Matplotlib/Seaborn: o Identificacion y practica de uso y personalisacion de ejes o Leyendas anotaciones y estilos o Modificando colormaps o Introduccion a Seaborn Graficar regresion lineal Visualizar distribuciones multivariadas Visualizar correlaciones
Módulo 6: Visualización de datos II
• Introduccion a la gramatica de graficos con ggplot: o Identificacion y practica con mapeos esteticos o Introducion y practica con las geometrias mas comunes como graficos de dispersion, de barras y graficos de lineas o Conocer y practicar el concepto de la capa de temas en las visualizaciones
Módulo 7: Análisis exploratorio
• Identificar y practicar con variales categoricas. o Selección de variables o Conteo vs Proporcion o Distribucion de las variables • Identificar y practicar con variables numericas. o Histogramas con capas facet o Boxplots o Graficos de densidad o Outliers • Resumenes numericos o Medidas de tendencia central y dispersion o Calcular la medida de propagacion o Transformaciones
Módulo 8: Análisis exploratorio: Caso de Uso.
• Recoleccion y limpieza de datos en datos de interes aplicadas a un area de dominio. • Unión y analisis de diferentes fuentes de datos. • Visualizacion de datos. • Modelado de datos para analisis estadistico • Interpretacion de resultados
Módulo 9: Aprendizaje automático para todos
• Que es el aprendizaje automatico. • Flujo de trabajo del aprendizaje automatico. • Aprendizaje supervisado y no supervisado o Regression o Classificacion o Agrupamiento • Tipos de algoritmos para datos estructurados y no estructurados.
Instructor del curso
Dr. Alan Benito Ponce
Investigador y profesor de tiempo completo e en la Universidad Autónoma de Cd. Juárez (UACJ), tiene un doctorado en la Universidad de Southampton en el Reino Unido, cuenta con varias certificaciones técnicas en el área de ciencia de datos y ha trabajado en el sector público, privado y académico en la transformación y manejo de datos para la toma de decisiones y publicaciones académic.