Skip to main content

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

Lista de requisitos

Actualizar datos de cuenta IA Center

Horarios disponibles

Selecciona un horario de la siguiente lista

Inscripción terminada

Ir al curso

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 inscribirte

Inicio

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

Los interesados en participar en esta capacitación deberán tener conocimiento básico de estadística (descriptiva), conocimientos básicos de programación (declaración de variables, ciclos, funciones) y del uso de dispositivos y herramientas digitales (equipo de cómputo, internet)

Requisitos

No hay requisitos.

Perfil de ingreso

La persona tiene interés en conocer que es la ciencia de datos y su alcance de aplicación, así como interés en desarrollar habilidades en el manejo y transformación de datos usando el lenguaje de programación Python y el ambiente de trabajo Anaconda.

Perfil de egreso

La persona tiene el conocimiento de identificar las diferentes estructuras de los datos usando el lenguaje de programacion Python, asi como tiene el conocimiento de importar diversos tipos de formatos (tsv, csv, excell) para su limpieza, visualizacion y analisis usando el ambiente de trabajo Anaconda.

Obtén certificados oficiales

  • Desarrollo de talento 2022

  • Desarrollo de talento 2022

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

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.