Documentación Variada
Documentación Variada
¿Quiénes somos?
Ganadores
del primer lugar en el DEV.F es la escuela de tecnología más grande y
Desafío de Bootcamps en
América Latina del BID Lab premiada en Latinoamérica. Con más de 8 años,
Seleccionados
como una de las 30 Promesas
de los Negocios Forbes 2018
32 sedes
en 12 países
Seleccionados
como una de las nueve startups
latinoamericanas para ser
aceleradas por Google en 2019
Contexto en la región
Nos encontramos en la 4ª Revolución Industrial,
INTELIGENCIA
COMPUTACIÓN
ELECTRICIDAD
VAPOR
Para el 2028 el 90% de los trabajos requerirá que sus empleados tengan al
menos una habilidad digital. Sin embargo, invertir 2 o hasta 4 años en aprenderlas
ingeniosas pesan más que las credenciales y los títulos. El paradigma bajo el cual
ÁREAS DE CONOCIMIENTO
INTRODUCCIÓN A LA CIENCIA DE DATOS MACHINE LEARNING
- Introducción a la programación con Python
1 Algoritmos de Aprendizaje Automático:
- Introducción a SQL - Clasificaciones.
- Fundamentos matemáticos para la ciencia de datos - Regresiones lineales, polinomiales y logísticas.
Algoritmos de Aprendizaje Supervisado:
INTRODUCCIÓN A LA CIENCIA DE DATOS 6 - Árboles de decisiones y aleatorios.
- Análisis de negocio para planteamiento de hipótesis - KNN.
- Técnicas de recolección de datos - Máquinas de soporte vectorial.
2 - Operaciones comunes de manipulación de datos Algoritmos no supervisados de Aprendizaje Automático:
- Transformación a datos ordenados (tidy data) - Algoritmos de clustering.
- Limpieza de datos con Python (problemas más comunes) - Reducción de dimensionalidad.
- Análisis exploratorio de datos con herramientas de visualización
DEEP LEARNING
FUNDAMENTOS Introducción a las redes neuronales artificiales con Keras y Tensorflow.
- Fundamentos de cálculo para entrenar y optimizar tus modelos de machine Propagación hacia atrás y descenso de gradientes.
learning 7 Redes neuronales recurrentes.
- Algebra Lineal aplicada al machine learning Algoritmos de Memoria de largo y corto plazo.
· Vectores, Matrices y Tensores Visión por computadora usando redes neuronales convolucionales.
· Operaciones sobre Vectores y Matrices Procesamiento de lenguaje natural con Tensorflow.
· Tipos de Matrices y sus aplicaciones
· Cómo es que una computadora lee imágenes a través de matrices MACHINE LEARNING EN PRODUCCIÓN
· SVD y crear un Sistema de recomendación igual al de Netflix
"Fundamentos de MLOps (Machine Learning Operations).
- Introducción a la estadística descriptiva e inferencial
3 Desplegar un modelo local
· Analítica y Estadística
- Formato de despliegue del modelo de acuerdo a sus casos de uso
· Medidas de tendencia Central
- Guardar nuestro modelo como un objeto
· Medidas de Variabilidad y dispersión
- Transfiera las reglas derivadas de ML a una función personalizada, luego
· Medidas de Relaciones entre Variables
aplíquela para hacer predicciones
· Medidas sobre distribuciones 8
- Creando una API para recibir información y realizar predicciones
- Fundamentos de probabilidad en el análisis de datos.
- Incrustando nuestro modelo dentro de una aplicación web
· Eventos y probalidades
Escenarios avanzados de despliegue
- Variables Aleatorias
- Introducción a Google Cloud Platform.
· Teorema de Bayes
- Almacenamiento de datasets y Data Warehousing con BigQuery
· Distribuciones de probabilidad
- Preprocesamiento de datos y entrenamiento de modelo a escala para
Machine Learning en Google Cloud AI."
DATA WRANGLING
- Importación de datos mediante descarga de archivos PROYECTOS
- Importación de datos desde una API Web 9 - Proyecto de análisis de datos (2 semanas)
- Scrapping de datos en sitios web - Proyecto de construcción de modelos ML y/o DL (2 semanas)
4
- Recolección de datos desde bases SQL
- Recolección de datos desde bases NoSQL
GET CERTIFIED
- Recolección de datos desde bases orientadas a grafos
- Cómo prepararse para el exámen de Tensorflow Certified Developer
- Unificando datos provenientes de distintas fuentes
- Habilidades de desarrollador de TensorFlow
10 - Creación y entrenamiento de modelos de redes neuronales con TensorFlow 2.x
DATA VISUALIZATION - Clasificación de imágenes
- ¿Porqué visualizar datos? - Procesamiento del lenguaje natural (PNL)
- Gráficas según el tipo de dato - Series de tiempo, secuencias y predicciones
- Introducción a matplotlib y seaborn
5 - Variables como columnas, observaciones como filas
- Operaciones básicas para preparar nuestros datos
- Análisis exploratorio de datos
- Estadística descriptiva con gráficas
- Gráficas de 1 variable
Master en Data Science / AI
PERFIL DE EGRESADO
ÁREAS DE CONOCIMIENTO
2 meses 48 hrs.
ÁREAS DE CONOCIMIENTO
ALONSO FERNÁNDEZ
Facebook Partnerships
El valor nuestros programas
Oportunidades laborales de
calidad
ZURA GUERRA
Backend Developer, Grin
Data Science / AI
El de más prestigio
DIPLOMA BLOCKCHAIN BLOCKCHAIN BLOCKCHAIN
en la industria
Master Class
Sprint
Día 0
Desgraduación
COMUNIDAD Meetups
Comunidades
Mentorías
Semanas de estudio 10 20 40
MENSUALIDADES
Semanas de estudio
en casa 2 5 10
Basado en el historial
SALARIO PROMEDIO $5,000 - $10,000 $12,000 - $30,000 $18,000 - $40,000+
de impacto de DEV.F
Meses para recuperar
INVERSIÓN 1-3 meses 1-3 meses 1-3 meses
la inversión
UNIVERSIDADES BOOTCAMPS
CAREER COACH
%
Si quieres conocer más sobre cómo obtener el
descuento de Early Bird, no olvides registrate a
una sesión informativa, para más información
nos puedes escribir por WhatsApp.
30 OFF
Course
Master
MXN USD
Course
MXN USD
Master
MXN USD