Resumen
Aprende desde el inicio del ciclo a programar con Python y las bases de estadística descriptiva para ingresar al mundo del análisis de datos.
- Además, aplica algoritmos de Machine Learning desde la perspectiva teórica y práctica, incluyendo una introducción a las redes neuronales profundas (Deep Learning) con TensorFlow.
- Finalmente, realiza un proyecto en la plataforma Kaggle para poner en práctica todo lo aprendido.
En Databits trabajamos desde la nube con la plataforma Databricks en donde transversalmente, analizamos conceptos técnicos sobre el manejo de clústers y el uso de notebooks.
Al finalizar este programa tendrás la capacidad de:
- Manejar los principales objetos de Python: tuplas, listas y diccionarios.
- Crear funciones definidas por el usuario y estructuras iterativas y funciones built-in.
- Utilizar estadísticas descriptivas y visualizaciones para Análisis Exploratorio de Datos.
- Comprender los conceptos básicos relacionados a Machine Learning.
- Entrenar modelos para problemas de regresión.
- Iniciar tu profesión como Científico de Datos usando Python.
Cursos de la Carrera
1. Python introductorio
Este curso permitirá al estudiante conocer qué es Python, cuáles son sus beneficios y ventajas frente a otros lenguajes de programación, y podrá construir sus primeros scripts en los diferentes entornos de desarrollo.
2. Python-estadística introductorio
Este curso permitirá al estudiante aprender los conceptos básicos de estadística y “entender” la relación que existe entre los datos.
3. Python intermedio
Este curso permitirá al estudiante conectarse a diferentes fuentes de datos para extraer información y poder manipularla para realizar tareas de limpieza y transformación de los mismos.
4. Python-estadística intermedio
Este curso permitirá al estudiante entender los diferentes tipos de datos y la forma correcta de manipularlos e interpretarlos estadísticamente.
5. Machine Learning introductorio
Este curso permitirá al estudiante comprender y aplicar los conceptos básicos de aprendizaje automático o aprendizaje máquina, entender los diferentes tipos de aprendizaje que se pueden aplicar a los diferentes problemas, y la interpretación correcta de los resultados.
Instructores
Hugo Porras
Científico de Datos Senior y Líder Técnico en Banco Pichincha. Ha sido profesor de Big Data y Análisis de Datos desde 2019. Es Ingeniero en Ciencias Económicas y Financieras por la Escuela Politécnica Nacional de Quito, Ecuador y tiene una Máster en Inteligencia Artificial por la Universidad Internacional de la Rioja, España. También ha dictado numerosas conferencias desde 2016.
Roberto Esteves
Es profesor desde 2017 en Design Thinking, Ciencia de datos, Machine Learning, Procesamiento de Lenguaje Natural, etc. Se ha desempeñado como consultor y capacitador de R, Power BI, entre otras.
Preguntas frecuentes
Si tienes dudas, siempre puedes revisar nuestra sección de preguntas frecuentes.