Curso de Data Science
-
El valor agregado que me aporta el curso de Data Science en este momento de mi carrera, es que hoy todo se basa en datos y saber analizarlos críticamente es necesario. La integración de conceptos que realizan es muy buena.
← | →
-
Creo que lo que me aporta el curso en este momento es el manejo de herramientas para mi trabajo. Soy economista y creo que podría aplicar los contenidos del curso. Estoy ansioso por ver cosas nuevas.
← | →
Curso
En General Belgrano y Buenos Aires
Descripción
-
Tipología
Curso
-
Lugar
-
Duración
5 Meses
En este programa presencial e intensivo vas a aprender todo lo necesario para llevar a cabo proyectos de Data Science de principio a fin. Al egresar vas a poder trabajar como Científico de Datos.
Incorporá las habilidades necesarias para trabajar con destreza en todo el ciclo de vida de los datos. Comenzá por aprender cómo recolectar y pre-procesar data, analizarla y visualizarla. En 5 meses, vas a dominar los conceptos teóricos y metodologías más usadas en todo el mundo.
Sedes y fechas disponibles
Ubicación
inicio
inicio
inicio
Información relevante sobre el curso
Vas a usar Python y librerías del ecosistema SciPy, entre otras, para la recolección, limpieza, análisis y visualización de datos. Además, aplicarás técnicas de estadística inferencial y algoritmos de machine learning usando NumPy, Pandas y Scikit-learn.
"En 5 meses, vas a dominar los conceptos teóricos y metodologías más usadas en todo el mundo.
Vas a usar Python y librerías del ecosistema SciPy, entre otras, para la recolección, limpieza, análisis y visualización de datos. Además, aplicarás técnicas de estadística inferencial y algoritmos de machine learning usando NumPy, Pandas y Scikit-learn."
"Hoy en día, si querés aprender Data Science podés hacerlo. Sólo necesitas motivación, constancia y dedicación. El curso está dirigido a personas interesadas en obtener conocimientos digitales. Cualquiera puede aprender ciencia de datos. No importa de qué carrera venís o en qué industria trabajás.
Emprendedores, estudiantes, economistas, ingenieros, científicos y curiosos que quieran aprender ciencia de datos para sumar nuevas habilidades, crear nuevos proyectos y mejorar su comunicación con los Ingenieros de Big Data o Especialistas en Machine Learning.
Profesionales de marketing que quieran incorporar las herramientas de análisis de datos para innovar en sus estrategias de segmentación, personalización de la oferta y predicciones de todo tipo sobre los clientes.
Ingenieros informáticos y analistas de sistemas que quieran especializarse, incorporar el conocimiento en estadística, machine learning y adquirir habilidades prácticas con las herramientas específicas de análisis de datos.
Emprendedores que quieran crear su propio negocio en base a datos y/o a técnicas de inteligencia artificial.
Programadores que necesiten actualizarse y conocer las técnicas principales de la ciencia de datos.
Si tenés más de 16 años y estás interesado la ciencia de datos, este curso es para vos."
Opiniones
-
El valor agregado que me aporta el curso de Data Science en este momento de mi carrera, es que hoy todo se basa en datos y saber analizarlos críticamente es necesario. La integración de conceptos que realizan es muy buena.
← | →
-
Creo que lo que me aporta el curso en este momento es el manejo de herramientas para mi trabajo. Soy economista y creo que podría aplicar los contenidos del curso. Estoy ansioso por ver cosas nuevas.
← | →
Valoración del curso
Lo recomiendan
Valoración del Centro
Francisco Pensa
Jontahan
Materias
- Ciencias Computacionales
- Sistemas inteligentes
- Fundamentos de Computación
- Investigación e innovación
- Matemáticas aplicadas
- Ciencia de datos
- Sistemas computacionales
- Big-data
- Inteligencia de Negocios
- Data analytics
Profesores
Equipo Docente
Director
Plan de estudios
FUNDAMENTOS DE PROGRAMACIÓN EN PYTHON
Uno de los lenguajes más usados en data science.
Entorno de investigación y desarrollo
- Aprende a usar y configurar las herramientas que un científico de datos necesita para trabajar más eficiente y efectivamente.
Fundamentos de programación
- Aprende los algoritmos y estructuras de datos fundamentales para realizar tus análisis de datos en Python.
CONOCIMIENTOS DE PROBABILIDAD Y ESTADÍSTICA
Extrae conocimiento confiable de tus datos utilizando metodologías con rigor científico.
Estadística Descriptiva
- Aprende las técnicas cuantitativas que describen las propiedades de tus datos. Las medidas de centralidad y dispersión serán tu primera aproximación a tu dataset.
Estadística Inferencial
- Generalmente queremos inferir propiedades de la población sólo mirando nuestra muestra de datos. Entiende cómo realizar estas medidas predictivas asegurando un cierto grado de significación de los resultados obtenidos.
METODOLOGÍAS DE RECOLECCIÓN Y LIMPIEZA DE DATOS
Los científicos de datos dedican entre un 50% y un 70% de su tiempo a preparar los datos para su posterior análisis. Entérate de las técnicas más usadas.
Recolección de fuentes diversas
- Vas a trabajar con datos estructurados y semi-estructurados, usando bases relacionales y archivos json, csv y xml. También experimentarás con datos no estructurados como texto imágenes y audio.
Medida de Calidad de los Datos
- Los datos suelen incluir errores, campos vacíos y otras anomalías. Aprenderás a realizar chequeos de integridad y a lidiar con valores faltantes en tus datasets. Veremos las técnicas de limpieza y preprocesamiento más comunes usando la librería Pandas.
ELEMENTOS PRÁCTICOS DE MACHINE LEARNING
Uno de los temas de mayor relevancia en la computación contemporánea es el Machine Learning, entendido como el conjunto de técnicas que le da a las computadoras la habilidad de aprender sin ser explícitamente programadas.
Aprendizaje Supervisado
- Cuando usamos aprendizaje supervisado, disponemos de un conjunto de datos de entrenamiento. En el curso aplicarás algoritmos de clasificación y regresión para resolver los desafíos presentados en las clases.
Aprendizaje No supervisado
- Se distingue del aprendizaje supervisado por el hecho de que no hay un conocimiento a priori. Usaremos Clustering para particionar los datos en grupos cuando no hay categorías/clases disponibles.
VISUALIZACIÓN DE DATOS
Es necesario representar tus conclusiones en un formato fácilmente comunicable.
Técnicas de codificación visual
- Vas a conocer las técnicas de codificación visual utilizadas por los expertos. Nuestra misión consiste en traducir datos complejos a relatos claros y efectivos.
Bibliotecas de visualización
- Haremos prácticas con Matplotlib, Seaborn, plot.ly y Bokeh para que experimentes con distintas bibliotecas de visualización basadas en Python.
Información adicional
Curso de Data Science