Scribd
Cargar
60 vistas8 páginas

RF Analisis de Datos Python

Este documento presenta un curso de 300 horas sobre análisis de datos con Python. El curso busca desarrollar habilidades para manipular grandes cantidades de datos usando lenguajes como Python, librerías y modelos de regresión con el fin de crear estrategias de negocio. El curso enseña a limpiar, procesar y analizar datos, crear visualizaciones y aplicar modelos de machine learning como regresión, clasificación y predicción.

Cargado por

R B
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
60 vistas8 páginas

RF Analisis de Datos Python

Este documento presenta un curso de 300 horas sobre análisis de datos con Python. El curso busca desarrollar habilidades para manipular grandes cantidades de datos usando lenguajes como Python, librerías y modelos de regresión con el fin de crear estrategias de negocio. El curso enseña a limpiar, procesar y analizar datos, crear visualizaciones y aplicar modelos de machine learning como regresión, clasificación y predicción.

Cargado por

R B
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 8

Ruta de formación en

ANÁLISIS DE DATOS
PYTHON

300 horas
COMPETENCIA PARA
DESARROLLAR:

Manipula una gran cantidad de datos a través de diversos


lenguajes, librerías y modelos de regresión para para crear
estrategias de negocio, revelar tendencias y tomar
decisiones.

OBJETIVOS:

Generar un conjunto de datos a partir de la manipulación de bases de


datos relacionales y no relacionales para su posterior análisis, con el fin
de seguir buenas prácticas para diseñar y ejecutar poderosas y
eficientes consultas SQL y NoSQL.
Realizar tareas de limpieza, manipulación y análisis de bases de datos
utilizando el lenguaje de programación R, para después poder crear
visualizaciones, predicciones y modelaje matemático, que permitirán
transformar datos en información para mejorar la toma decisiones en
las organizaciones.

Utilizar Python para crear rutinas y scripts que permitan automatizar la


obtención, limpieza, procesamiento y transformación datos
provenientes de diferentes fuentes y formatos como: archivos locales,
APIs y bases de datos externas con el fin de tener data en condiciones
óptimas para su futuro análisis y visualización.

Utilizar Python y sus librerías para realizar análisis robustos de datos,


aplicando modelos estadísticos y matemáticos que permitan encontrar
patrones y elaciones en los datos con el fin de generar visualizaciones
de análisis univariados, bivariados y multivariados con Seaborn y
Matplotlib y aplicar modelo de regresión, clasificación y predicción.
BENEFICIOS:
En este certificado el aprendedor contará con habilidades necesarias
para manejar, gestionar y crear bases de datos relacionales y no
relacionales con NoSQL y SQL. Utilizará en un nivel
intermedio-avanzado R y Python, dos de los lenguajes de programación
más importantes en el mundo del análisis de datos. Por último, sabrá
utilizar los conceptos básicos de machine learning y de cálculo
diferencial para entrenar e implementar algoritmos y modelos de
regresión, clasificación y predicción, así como realizar procesamiento
de imágenes.

DIRIGIDO A:
Profesionistas del área de TI o afín, público general intersado en utilizar
datos de manera efectiva e inteligente para la toma de decisiones y
resolución de problemas mediante la generación de productos de datos
o sistemas inteligentes.

DURACIÓN Y 300 horas


MODALIDAD: Virtual
TEMARIO:
Temas
1 Introducción a las bases de datos
Fundamentos de SQL.
Agrupaciones y subconsultas.
Joins y vistas.
Configuración de bases de datos locales.
Fundamentos de MongoDB.
Consultas en MongoDB.
Agregaciones.
Query competition.

2 Programación y estadística con R


Introducción a la programación y estadística con R.
Programación con Objetos, Funciones, Condiciones y Loops.
Utilización de Scripts en R con aplicaciones para el análisis
de datos.
Integración de R con Bases de datos SQL, MongoDB y datos
de dominio público (URL)
Estadística I. Análisis Exploratorio de datos:
Análisis univariado y multivariado.
Estadística II. Distribuciones muestrales y paramétricas.
Modelado Matemático: Regresión y Predicción.
Gráficos Avanzados.
TEMARIO:
Temas
3 Procesamiento de datos con Python
Fundamentos de Python.
Estructuras de datos y funciones.
Programación funcional.
Pandas y análisis exploratorio de datos.
Funciones vectorizadas y limpieza de datos.
APIs, automatización y concatenación de DataFrames.
Transformación, filtración y ordenamiento de datos.
Bases de datos, merge y agrupaciones.

Análisis de datos con Python


4 Estimados de locación y variabilidad.
Introducción a la visualización de datos: distribuciones.
Exploración de variables categóricas y análisis multivariable.
Correlaciones y regresión lineal simple.
Distribuciones muestrales y técnicas de evaluación
de modelos.
Visualización de datos avanzada.
Pruebas A/B y procesamiento de lenguaje natural.
Introducción a Machine Learning: Clasificación no
supervisada y supervisada.
TEMARIO:
Temas
5 Machine Learning
Introducción a Machine Learning.
Separación, validación y evaluación para algoritmos de ML.
Algoritmos no supervisados.
Problemas de regresión.
Árboles de decisión.
Clasificación y Redes Neuronales Artificiales.
Arena de Clasificadores.
Fundamentos de Procesamiento de Imágenes.
Ingresa a
CDC.TECMILENIO.MX

También podría gustarte