E S P EC I A L I Z AC I Ó N E N

PYTHON FOR
ANALYTICS
BROCHURE 2022

#AprendeDesdeCasa
#AprendeConLosPioneros
 PRESENTACIÓN
ESPECIALIZACIÓN EN PYTHON / PRESENTACIÓN

Python es un software que viene incrementando su uso

por parte de las empresas, es fácil de aprender e ideal
para el desarrollo rápido de diversas técnicas
multivariadas y de minería de datos que pueden ser
aplicadas en diversas áreas y sobre la mayoría de las
plataformas.

En esta especialización aprenderemos el manejo de la

herramienta Python desde un nivel introductorio con el
manejo de estructuras y funciones, así como la
presentación de las principales librerías orientadas a
ciencia de datos. Continuaremos con la aplicación de
algoritmos para la exploración de modelos de machine
learning, series de tiempo y deep learning.

Duración: 60 horas cronológicas

(80 horas académicas)

Certificación: Especialista en Python

for Analytics
ESPECIALIZACIÓN EN PYTHON / OBEJTIVOS

Objetivo General Objetivos Específicos

Conocer la importancia estratégica del análisis •Aprender a manejar tipos de datos básicos
de datos para las organizaciones y cómo las (números y strings), principales estructuras de
herramientas y técnicas de Analytics ayudan a datos en Python, manejo de funciones, arrays y
las empresas a mejorar la toma de decisiones, dataframes.
generando valor y rentabilidad para las •Aprender a realizar un análisis estadístico y
mismas, mediante el desarrollo de técnicas gráfico con Python.
analíticas y algoritmos desarrollados en •Comprender la importancia de la ciencia de
Python. datos en las empresas y el uso del machine
learning para lograr sus objetivos comerciales.
•Aprender a utilizar Python para desarrollar
algoritmos de aprendizaje automático.
•Comprender el procedimiento y las técnicas
que se utilizan en el machine learning, así como
saber diferenciarlas y utilizarlas según los
objetivos buscados.
ESPECIALIZACIÓN EN PYTHON / DIRIGIDO A - COMPETENCIAS

DIRIGIDO A COMPETENCIAS
Profesionales interesados en ampliar sus • Distinguir las principales metodologías y
conocimientos en herramientas de análisis softwares de analítica.
de datos y que se desempeñen como
• Trabajar con las principales librerías que
investigadores, analistas de datos, personal
ofrece Python.
de procesamiento de datos, etc. También
estudiantes de maestría y de pregrado, • Aplicar las funciones, clases y objetos para
provenientes de carreras profesionales como solucionar problemas.
Estadística, Ingeniería Estadística, Ingeniería • Entender y desarrollar soluciones de
de Sistemas, Ingeniería Informática y Machine Learning aplicado a problemas de
carreras afines. Profesionales que deseen negocio.
incursionar en el mundo del Machine • Desarrollar modelos estadísticos utilizando
Learning y Data Science como oportunidad algoritmos en Python.
en la línea de carrera. • Generar modelos básicos de Deep
Learning.
 CARACTERÍSTICAS
ESPECIALIZACIÓN EN PYTHON / PRESENTACIÓN

Clases en Vivo Aprende haciendo

El 100% de las clases que se Desarrolla casos con datos
desarrollan en el curso son reales, incluso puedes
en vivo. proponer casos de tu propio
sector.

Asesoría Académica 73% Certificación

Resuelve tus dudas con
el asistente académico
en línea.
NPS Con una nota mínima de
14 sobre 20 y una asistencia
mínima del 80%
NUESTROS ALUMNOS
NOS RECOMIENDAN

Plataforma E-Learning
Soporte técnico
Accede en cualquier
momento a materiales Asistencia técnica
complementarios: lecturas, permanente y acceso a
videos, tutoriales, clases máquinas virtuales de ser
grabadas y más. necesario.
 MALLA CURRICULAR
ESPECIALIZACIÓN EN PYTHON / PROGRAMA CURRICULAR

START

Introducción Python y sus Principales Tipos y Álgebra Lineal Funciones, Clases Análisis de datos Visualización
al Analytics Principales Librerías Estructura de Datos con Numpy y Objetos con Pandas con Matplotlib
Conceptos Entorno y Entender los principales Conocer la principal Programación orientada Conocer la principal Conocer la principal
introductorios principales tipos y estructuras de librería para el manejo a objetos y creación librería para el manejo librería para el manejo del
del Analytics. funcionalidades. datos en Python. númerico en Python. de funciones propias. de datos en Python. entorno gráfico en Python.

Estadística Descriptiva Conceptos de Inferencia Primer Introducción al Análisis Multivariado Métodos Supervisados
y Análisis Exploratorio Probabilidad Estadística Caso Integrador Machine Learning y Selección de Variables para Regresión
Diferenciar variables y Conocer las Aprender a formular Caso práctico basado en Entender el proceso Aprende el correcto Aprende a utilizar
aprender a manipular principales distribuciones correctamente una el análisis exploratorio de un proyecto de tratamiento de datos modelos supervisados
datos. muestrales. hipótesis estadística. e inferencia estadística. Machine Learning. previo a un proceso de ML. de respuesta cuantitativa.

Al finalizar la especialización,
obtendrá una certificación como

FINISH
Métodos Supervisados Métodos No Análisis de Text Mining & Segundo Especialista en Python
para Clasificación Supervisados Series de Tiempo Deep Learning Caso Integrador for Analytics
Aprende a utilizar Conocer las principales Conocer sus componentes Introducción a temas Análisis completo
modelos supervisados técnicas de agrupación y utilidad para estimar avanzados de ML y a sobre un caso de
de respuesta cualitativa. y segmentación. períodos futuros. redes neuronales artificiales. Machine Learning.
 MALLA CURRICULAR
ESPECIALIZACIÓN EN PYTHON / PROGRAMA CURRICULAR

INTRODUCCIÓN AL PYTHON Y SUS PRINCIPALES TIPOS Y

ANALYTICS PRINCIPALES LIBRERÍAS ESTRUCTURA DE DATOS

•Businness Intelligence y Business Analytics. •¿Qué es Python? ¿Por qué Python? •Variables y tipos de datos básicos.
•¿Qué es Analytics? •Ventajas de Python sobre otros lenguajes. •Funciones de ingreso e impresión de valores.
•Beneficios del uso del Analytics en la empresa. •Conociendo la suite Anaconda. •Manipulación de Strings y Ficheros.
•Principales metodologías de Analytics. •Interfaces para trabajar con Python. •Listas y Tuplas: Indexing y Slicing.
•Principales softwares de Analytics. •Introducción al Jupyter Notebook. •Diccionarios.
•Casos de éxito empresariales usando •Comentarios y manejo de la ayuda en Python. •Conjuntos o Sets.
metodologías analíticas. •Principales librerías o módulos en Python. •Estructuras de control (Identación, Condicionales
•Instalación de librerías en un notebook. y Bucles).
•Manipulación de tiempo y fechas: validar y aplicar
formatos.

ÁLGEBRA LINEAL FUNCIONES, CLASES ANÁLISIS DE DATOS

CON NUMPY Y OBJETOS CON PANDA

•Librería Numpy: conociendo los Arrays. •Definiendo funciones, argumentos y manejo de •Librería Pandas: Series y Dataframes.
parámetros. •Principales métodos para Series y Dataframes.
•Arrays unidimensionales: vectores.
•Funciones con / sin retorno de valor. •Lectura y escritura desde varios formatos como
•Arrays bidimensionales: matrices.
•Principales funciones integradas en Python. txt, csv, xls.
•Operaciones matemáticas y algebraicas con
Arrays. •Funciones recursivas. •Seleccionando y filtrando Datasets.
•Manipulación de vectores y matrices. •Comprensión de Listas y Funciones lambda. •Agrupando Datasets. Sentencias groupby, agg y
•Manejo de errores en funciones. pivot_table.
•Aplicación: Resolviendo un sistema de
ecuaciones. •Creación y documentación de módulos de •Combining and Merging Datasets.
funciones. •Extracción de muestras usando sample.
•Llamada de funciones desde módulos.
•Programación orientada a objetos.
•Clases, propiedades, objetos, herencia.
•Implementación de clases, instanciación de
objetos y creación de métodos.
 MALLA CURRICULAR
ESPECIALIZACIÓN EN PHYTON / PROGRAMA CURRICULAR

VISUALIZACIÓN ESTADÍSTICA DESCRIPTIVA Y CONCEPTOS DE

CON MATPLOTLIB ANÁLISIS EXPLORATORIO PROBABILIDAD

•Librería Matplotlib. •Tipos de datos. Variables categóricas, discretas y •Introducción a la probabilidad.

•Creación y manipulación de un gráfico. continuas. •Universo, población y muestra.
•Manejo de opciones del entorno gráfico. •Medidas de tendencia central y de posición. •Definición de variables aleatorias.
•Creación de gráficos básicos: histograma y gráfico •Desviación estándar y coeficiente de variación. •Distribuciones de probabilidad.
de líneas. •Cálculo y comprensión del coeficiente de •Distribuciones discretas y continuas.
•Superposición de gráficas y subplots. correlación.
•Teorema del límite central y distribuciones
•Preparando datos ordenados con Pandas. muestrales.
•Manejo de valores perdidos. •Estandarización de datos.
•Análisis gráfico con las librerías Pandas,
Matplotlib y Seaborn.
•Análisis de valores atípicos.

INFERENCIA PRIMER INTRODUCCIÓN AL

ESTADÍSTICA CASO INTEGRADOR MACHINE LEARNING

•Intervalos de confianza. Error estándar. •Analizar un conjunto de datos mediante un •¿Qué es Data Science? Casos de uso, entregables
Interpretación. análisis exploratorio de datos. y aplicaciones principales.
•Hipótesis nula vs. alternativa. Nivel de confianza y •Plantear y realizar pruebas de hipótesis basados •Diferencias entre los conceptos de BI, BA, Big
región de rechazo. en la data del caso práctico. Data y Machine Learning
•Tipos de errores: Error tipo I vs. Error tipo II. •Presentación del segundo caso integrador de la •Entendimiento de casuísticas de Negocio,
especialización. definición y variables de estudio.
•Pruebas de hipótesis para la media, varianza y
diferencia de medias. •Criterios de inclusión y exclusión de información.
•Análisis ANOVA y prueba por pares de Tukey. •Desarrollo y despliegue de algoritmos de machine
learning en la industria.
•Prueba binomial y chi-cuadrado.
•Etapas en el diseño de modelos de Machine
Learning.
 MALLA CURRICULAR
ESPECIALIZACIÓN EN PHYTON / PROGRAMA CURRICULAR

ANÁLISIS MULTIVARIADO MÉTODOS SUPERVISADOS MÉTODOS SUPERVISADOS

Y SELECCIÓN DE VARIABLES PARA REGRESIÓN PARA CLASIFICACIÓN

•Muestreo. Partición train-test-validación. •Entendiendo los métodos supervisados. •Introducción al Análisis Discriminante.
•Técnicas de balanceo de datos: Under Sampling, •Regresión lineal simple. Suposiciones del modelo. •Regresión logística.
Over Sampling, SMOTE. Multicolinealidad. •Árboles de decisión. Random Forest.
•Análisis de componente Principales (PCA). •Regresión lineal múltiple. Multicolinealidad. •Bagging vs boosting, Adaboost, XGBoost.
•Entendimiento del Overfitting y Underfitting. •Introducción a las regresiones penalizadas (Ridge, •Máquina de soporte vectorial. Tipos de Kernel.
Lasso, elastic net).
•Técnicas de validación de modelos.
•Comparación entre modelos. Evaluación de
Desempeño. •Gini, K-S, F1-Score. Matriz de confusión. Validación
cruzada.

MÉTODOS NO ANÁLISIS DE TEXT MINING &

SUPERVISADOS SERIES DE TIEMPO DEEP LEARNING

•Entendimiento de los métodos no supervisados. •Definición de serie de tiempo. Características. •Visualización de nubes de palabras, matriz tf-idf,
•Preparación de datos. Componentes de una serie segmentación y clasificación de textos.
•Clústers no jerárquicos: Segmentación k-means,
PAM, CLARA. de tiempo.. •Introducción a las redes neuronales artificiales:
•Descomposición de una serie de tiempo. Modelo recurrentes y convolucionales.
•Clústers jerárquicos: Aglomerativo y Divisivo.
aditivo y multiplicativo.
•Clústers basados en densidades: DBScan.
•Métodos de suavizamiento de una serie: simple,
•Evaluación de Desempeño. Métricas de
exponencial, Holt, Holt - Winters. SEGUNDO
evaluación.
•Modelos Box - Jenkins: modelos AR, MA, ARIMA, CASO INTEGRADOR
•Introducción a las reglas de Asociación y Sistemas
SARIMA.
de Recomendación.
•Presentación grupal del trabajo final sobre un
análisis completo de un caso de machine learning.
 CERTIFÍCATE COMO ESPECIALISTA

¿CÓMO OBTENGO MI CERTIFICACIÓN? DOCENTES

ESPECIALIZACIÓN EN PYTHON / INFORMACIÓN

•El participante podrá obtener un certificado a nombre de

DMC PERÚ, una vez aprobado con la nota mínima
establecida y asistir a clases con el mínimo de horas LUIS GARAYAR ELOY OVALLE
requeridas. Gerente Adjunto Jefe de Gobierno
Data Scientist de Datos
BCP INTERBANK
•Una vez cumplidos los requerimientos el certificado será
emitido de forma virtual.

El certificado final del curso será emitido como:

DENNIS BARREDA MARCO SANTA CRUZ
Lead Data Senior Data
Especialista en Python for Analytics
Scientist Engineer
80 horas académicas RIMAC BELCORP

*Alguno de estos docentes u otro profesional de similar perfil

INVERSIÓN GENERAL* será el capacitador a cargo del inicio elegido.

S/ 1,950 CONTÁCTANOS:

*Consultar con el asesor por la promoción vigente

y opciones de financiamiento