Scribd
Cargar
14 vistas3 páginas

Programación para Machine Learning

Cargado por

adan de jesus restrepo zapata
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
14 vistas3 páginas

Programación para Machine Learning

Cargado por

adan de jesus restrepo zapata
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/ 3

NOMBRE DE LA PROGRAMACIÓN PARA MACHINE LEARNING NIVEL INICIAL

RUTA
LOGO

OBJETIVO Conocer las nociones básicas de programación y su importancia en


el proceso de machine learning a partir de la programación en
ESPECIFICO DE LA Python como herramienta básica para la gestión de los datos y la
RUTA representación de información.
CONOCIMIENTOS Habilidades en razonamiento lógico matemático, habilidades
PREVIOS BASICOS para resolución de problemas, conceptos básicos de
inteligencia artificial
COMPETENCIAS DEL En este nivel el egresado adquiere fundamentos de
EGRESADO O PERFIL Programación: Dominio de la sintaxis básica de Python,
DEL EGRESADO manejo de variables, estructuras de control, funciones y
módulos.
Introducción al Machine Learning: Comprensión de los
conceptos esenciales del Machine Learning, tipos de
aprendizaje (supervisado, no supervisado, por refuerzo),
aplicaciones y relevancia en el mundo actual.
Gestión de Datos: Capacidad para manipular, limpiar y
preprocesar datos utilizando herramientas y técnicas básicas
en Python.
Representación de Información: Habilidad para visualizar
datos de manera efectiva utilizando librerías de Python como
Matplotlib y Seaborn.
.
PLAN DE ESTUDIO El mundo de la programación:
Saberes previos Introducción al
mundo de la programación
(computador, lenguajes)
Requisitos funcionales ¿Qué es
machine learning? Instalación y
configuración de herramientas
(colab y correo)
Introducción a Python
¿Qué es Python?
¿Por qué Python?
¿Cómo instalar Python?
¿Dónde y cómo programar en
Python?
Extras a tener en cuenta

Tipos de datos:
Números
Texto
Booleano
Variables
Interacción por consola
Conversión de tipos de
datos

Operadores y expresiones:
Operadores aritméticos Operadores
de asignación Operadores
relacionales Operadores lógicos
Prioridad de operadores
Expresiones
Control de flujo:
¿Qué es control de flujo?
If
While
For
Break
Continue

Paradigma funcional:
¿Qué es una función? Parámetros
Alcance de las variables Retorno
Introducción al paradigma orientado
a objetos
Estructuras de datos:
Listas
Tuplas
Sets
Diccionarios
Interacción con estructuras
Librerías:
¿Qué es una librería? Módulos
Paquetes
Librerías estándar
Definición y utilidad
Ejemplos de algunas librerías
Librería Numpy
Librería Panda
Las funciones
Cómo usarla.
Numpy I:
Definición y utilidad
Los datos
Las funciones
Cómo usarla
Numpy arrays
Indexación Arrays
Numpy II:
Vectorización
Numpy operaciones
Numpy ejercicios
Librería Pandas I:
Definición y utilidad
Los datos
Consumo de datos (diferentes
fuentes)
Las funciones
Cómo usarla
Series
Data Frames
Datos perdidos
Librería Pandas II: Agrupamiento
Clustering
Mergering
Operaciones

Modismos y gráficas I: Ejercicios


estadísticos usando: Matplotlib,
seaborn, pandas profiling, SCIPY

Modismos y gráficas II: Modismos,


gráficas con seaborn, pandas
profiling Data visualization o Python
for data visualization
TIEMPO 192 Horas + 128 DEL COMPONENTE PRÁCTICO TECNOLÓGICO
TOTAL: 320 HORAS

También podría gustarte