Scribd
Cargar
2 vistas6 páginas

Plan Oficial Python

El curso 'Python para Ciencia de Datos' enseña programación en Python aplicada a la ciencia de datos e inteligencia artificial, abarcando análisis y visualización de datos, EDA y modelos de redes neuronales en un formato virtual de tres meses. Está dirigido a estudiantes y profesionales con conocimientos básicos de programación, y se evaluará mediante proyectos y asistencia a clases. Los contenidos incluyen fundamentos de Python, técnicas avanzadas, manipulación de datos, visualización y uso de modelos pre-entrenados de IA.

Cargado por

zraterodrigo
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
2 vistas6 páginas

Plan Oficial Python

El curso 'Python para Ciencia de Datos' enseña programación en Python aplicada a la ciencia de datos e inteligencia artificial, abarcando análisis y visualización de datos, EDA y modelos de redes neuronales en un formato virtual de tres meses. Está dirigido a estudiantes y profesionales con conocimientos básicos de programación, y se evaluará mediante proyectos y asistencia a clases. Los contenidos incluyen fundamentos de Python, técnicas avanzadas, manipulación de datos, visualización y uso de modelos pre-entrenados de IA.

Cargado por

zraterodrigo
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/ 6

PLAN DE ESTUDIO

PYTHON PARA
CIENCIAS DE DATOS
DESCRIPCIÓN DEL CURSO
El curso Python para Ciencia de Datos e Inteligencia Artificial
enseña programación en Python aplicada a la ciencia de datos
y la inteligencia artificial. En tres meses, los estudiantes
aprenderán análisis y visualización de datos, realizarán Análisis
Exploratorio de Datos (EDA) y usarán modelos de redes
neuronales como los Transformers. Además, se busca inspirar su
desarrollo continuo en estos campos.

ORIENTADO A

Este curso está dirigido a estudiantes y profesionales con conocimientos básicos


de programación, interesados en la ciencia de datos y sus aplicaciones
prácticas, que busquen adquirir habilidades prácticas en Python para aplicarlas
en sus áreas de trabajo o estudio y que estén dispuestos a participar
activamente en actividades prácticas y proyectos.

MODALIDAD

VIRTUAL

REQUISITOS

Ser mayor de 17 años de Edad.

Computadoras con conexión a internet.


Micrófonos y cámaras (Puede ser la que incluye
la notebook).

Windows 10.
ESTRUCTURA DEL CURSO

1 Encuentro.

Duración de la clase: 2 horas.

Presentaciones interactivas. Preguntas y


respuestas. Ejercicios prácticos en tiempo real.

3 Meses - 2 Clases Semanales.

CRITERIO DE EVALUACIÓN

Aprobar los proyectos integradores de cada módulo


con 6 o más.
Asistir al 75% de las clases sincrónicas.

¿QUÉ VAS A APRENDER?

Desarrollar competencias en el uso de Python para aplicar


técnicas de ciencia de datos y utilizar modelos de inteligencia
artificial pre-entrenados, capacitando a los estudiantes para
realizar análisis de datos, visualizaciones efectivas y
comprender los fundamentos del Análisis Exploratorio de
Datos y aplicaciones prácticas de IA.
CONTENIDO DEL CURSO

Módulo 1: Fundamentos de Python

Tipos de Datos Primitivos: Enteros, flotantes, booleanos, cadenas.


Variables y Asignación: Declaración, manipulación y ámbito.
Formateo de Cadenas con F-Strings.
Conversión de Tipos.
Estructuras de Control Condicional: if, else, elif, expresiones ternarias, match.
Bucles y Estructuras Iterativas: for, while, bucles anidados, continue, break, pass,
else.
Estructuras de Datos Compuestas: Listas, tuplas, diccionarios, conjuntos,
mutabilidad.
Funciones: Definición, parámetros (*args, **kwargs), anotaciones de tipos, ámbito.
Manejo de Errores y Excepciones: Tipos de errores, try, except, finally.
Depuración de Código.
Módulos y Paquetes.
Entrada y Salida de Archivos: Uso de with, open.

Módulo 2: Python Intermedio-Avanzado

Objetivo: Profundizar en técnicas avanzadas de programación en Python para escribir


código más eficiente y modular.

Contenidos:
Programación Orientada a Objetos (POO): Clases, encapsulación, herencia,
polimorfismo, sobreescritura de métodos, propiedades (getters y setters),
sobrecarga de operadores.
Comprehensions: Listas, diccionarios y generadores.
Funciones Lambda.
Programación Funcional: Uso de map, filter, reduce.
Manejo de Archivos CSV y JSON.
Closures y Decoradores.
Expresiones Regulares.

Módulo 3: Python para Ciencia de Datos e Introducción a la IA


Contenidos:
Computación Numérica con NumPy:
Arrays y matrices. Operaciones matemáticas y funciones universales.
Broadcasting e indexación avanzada.
Manipulación de Datos con pandas:
Estructuras de Datos: Series y DataFrames.
Importación y Exportación de Datos: CSV, Excel, JSON, SQL.
Limpieza y Preparación de Datos: Datos faltantes, duplicados, tipos de datos.
Transformación y Análisis de Datos: Agrupación, pivot tables, operaciones
estadísticas.
Visualización de Datos con seaborn y matplotlib:
Creación de Gráficos: Barras, líneas, dispersiones, histogramas, box plots.
Personalización y Estilo de Gráficos.
Interpretación y Presentación de Resultados.
CONTENIDO DEL CURSO

Consumo de APIs con requests:


Solicitudes HTTP Básicas: GET, POST.
Manejo de Respuestas y Datos JSON.
Integración de Datos Externos en Análisis.
Introducción a Modelos Pre-entrenados de Inteligencia Artificial:
Concepto de Modelos Pre-entrenados y Transfer Learning.
Uso de Modelos de Redes Neuronales Tipo Transformer:
Análisis de Sentimiento: Aplicación práctica utilizando modelos pre-
entrenados para clasificar emociones en textos.
Traducción de Texto: Implementación de servicios de traducción utilizando
modelos existentes.
Búsqueda de Respuestas (Question Answering): Extracción de información
relevante de textos dados.
Motivación y Desarrollo Profesional:
Exploración de Roles en Ciencia de Datos y IA.
Importancia de la Ciencia de Datos y la IA en la Actualidad.
Análisis Exploratorio de Datos (EDA):
Identificación de Patrones y Tendencias.
Detección de Anomalías y Outliers.
Uso de Herramientas Estadísticas Básicas.
PROPIEDAD INTELECTUAL

Las partes reconocen y aceptan que el “plan de


estudio”, los procesos, sus dinámicas, como los diseños,
modelos de enseñanza y aprendizaje y todo lo que
pudiere ser objeto de derecho inmateriales o intelectual
como de patente o de propiedad industrial será plena y
exclusiva propiedad de SILICON MISIONES. En el mismo
sentido, los resultados obtenidos del plan de estudio, de
los proyectos y toda innovación o producto que se
pudiera generar , los cuales LAS PARTES aceptan y
reconocen, queda absolutamente prohibido replicarlos,
reproducirlos, hacerlo público, darlo a conocer en
ámbitos públicos o privados, ocuparlos en otro ámbito
que no sea al propio de su propietario ni a ofertarlos. No
podrán ser objeto de sesión de ningún tipo, venta o
transacciones, todo ello bajo pena de iniciar las
acciones que correspondiere.

DUDAS O CONSULTAS

Whatsapp 3764-102437

Email: [email protected]

También podría gustarte