Revisando requisitos

Requisito previo

Este curso pertenece al siguiente programa:

Ciencia de Datos para Todos 2023

Es necesario que te inscribas al programa antes de poder tomar este curso

Requisitos previos

Lista de requisitos

Actualizar datos de cuenta IA Center

Realizar examen de ubicación de inglés

Subir Documento para acreditar la condición de estudiante

Realizar examen de ubicación

Seleccionar horario

Horarios disponibles

Selecciona un horario de la siguiente lista

Finalizar inscripción

Inscripción terminada

Ir al curso

Inscripción no realizada

Si considera que esto es un error comunicarse al correo: jmrincon@ia.center

Curso Básico de Ciencia de Datos con Python y Anaconda

El objetivo de este curso es adquirir los conocimientos básicos para usar Python en el ambiente de trabajo Anaconda en los procesos de importar, limpiar, transformar, visualizar y modelar datos. El curso se orientará de manera híbrida, de forma presencial en el IA.Center (hasta 40 personas) y vía teams sin límite de acceso.

Inicia sesión para inscribirte Descargar información (PDF Flyer)

Inicio

07/08/2023

Duración

36 horas

Dedicación

6 horas por semana

Precio

Beca BOSCH

Idioma

Español

Modalidad

Curso masivo en línea

Horarios

Lunes, Miércoles - 18:00 a 21:00. Horario híbrido (presencial/virtual)

Inicia 07/08/2023

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

• Ser estudiante universitario. • Deseable estar en los últimos semestres. • Haber tomado el curso de Python fast track o acreditar el examen de suficiencia en Python

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 programación Python, así como tiene el conocimiento de importar diversos tipos de formatos (tsv, csv, Excel) para su limpieza, visualización y análisis usando el ambiente de trabajo Anaconda.

Obtén certificados oficiales

Certificado IA.Center/BOSCH Data Science

Certificado IA.Center/BOSCH Data Science

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 
- Listas, Diccionarios y Tuplas 
- Conjuntos 
- Identificar y practicar con funciones en Python 
- Argumentos y alcance

Módulo 2: Python para la Ciencia de datos II

- Identificar y practicar con funciones y paquetes en Python 
- Pandas, Numpy, Matplotlib
- Identificar y practicar con diferentes formas de manejar los datos como. 
- Seleccionar variables
- Subconjuntos 
- Manejo de listas
- Remplazar / Eliminar elementos

Módulo 3: Importar datos en Python

- Conocer y practicar con los diferentes formatos que Python puede importar datos 
- tsv, csv, Excel, Json, Rds, Sav, Dta, Mat

Módulo 4: Limpieza de datos en Python:

- Identificar problemas comunes en la limpieza de datos
- Conversión de tipo de datos
- Identificación de duplicados y problemas con datos categóricos
- Remplazar y remover caracteres
- Datos nulos

Módulo 5: Visualización de datos I

- Introducción a la gramática de gráficos con Matplotlib/Seaborn
- Identificación y practica de uso y personalización de ejes 
- Leyendas anotaciones y estilos 
- Modificando colormaps 
- Introducción a Seaborn
- Graficar regresión lineal 
- Visualizar distribuciones multivariadas 
- Visualizar correlaciones

Módulo 6: Visualización de datos II

- Introducción a la gramática de gráficos con ggplot
- Identificación y práctica con mapeos estéticos
- Introducción y práctica con las geometrías más comunes como gráficos de dispersión, de barras y gráficos de líneas
- Conocer y practicar el concepto de la capa de temas en las visualizaciones
lizaciones

Módulo 7: Análisis exploratorio

- Identificar y practicar con variables categóricas.
- Selección de variables
- Conteo vs Proporción
- Distribución de las variables
- Identificar y practicar con variables numéricas.
- Histográmas con capas facet, Boxplots 
- Gráficos de densidad 
- Outliers 
- Resúmenes numéricos 
- Medidas de tendencia central y dispersión
- Calcular la medida de propagación 
- Transformaciones

Módulo 8: Análisis exploratorio: Caso de Uso.

- Recolección y limpieza de datos de interés aplicadas a un área de dominio
- Unión y análisis de diferentes fuentes de datos.
- Visualización de datos
- Modelado de datos para análisis estadístico
- Interpretación de resultados

Módulo 9: Aprendizaje automático para todos

- Qué es el aprendizaje automático.
- Flujo de trabajo del aprendizaje automático.
- Aprendizaje supervisado y no supervisado
- Regresión
- Clasificación
- 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 académicas.