Este curso proporciona las habilidades esenciales para desempeñarse como Data Scientist utilizando Python. Se abordarán desde la manipulación de datos hasta la implementación de modelos de Machine Learning, con un enfoque práctico y aplicado.
🔗 Para obtener una visión general y detallada del curso, consulta la siguiente presentación: link
- Cálculo y Álgebra – Principios fundamentales.
- Probabilidad y Estadística – Conceptos básicos.
- Optimización – Métodos esenciales.
- Python – Familiaridad con su sintaxis y estructuras básicas.
- Toolkit Básico – Herramientas esenciales para análisis de datos.
- Manipulación de Datos – Técnicas eficientes con Pandas y NumPy.
- Visualización – Creación de gráficos con Matplotlib y Seaborn.
- Machine Learning – Introducción a algoritmos clave con Scikit-Learn.
Textos Guía Principales:
- Python Data Science Handbook – Jake VanderPlas Un manual completo sobre Python para ciencia de datos, cubriendo NumPy, Pandas, Matplotlib y Scikit-Learn.
Lecturas Complementarias:
- Hands-On Machine Learning – Aurélien Géron
- Data Science from Scratch – Joel Grus
- Python for Data Analysis – Wes McKinney
Repositorios de GitHub:
- python_intro – Introducción a Python.
- python_eda – Exploración de datos en Python.
- python_ml – Machine Learning en Python.
| Tipo | Frecuencia | Modalidad | Entrega | Penalización |
|---|---|---|---|---|
| Laboratorios | Semanal | Individual | Final de clases | nota 0 |
| Tareas | Mensual | Individual | T1: dd-mm-yyyy T2: dd-mm-yyyy |
-25 puntos |
| Proyecto | Semestral | Grupal | dd-mm-yyyy | -25 puntos |
📌 Nota Final: La nota final será el promedio ponderado entre los laboratorios, tareas y el proyecto final del curso.
¡Importante!: Todos los entregables se deben subir al repositorio personal del estudiante (en GitHub). Las notas se trataran de actualizar al final de cada mes.