Los participantes del Diplomado en Python Profesional aprenderán a programar utilizando el lenguaje Python y a construir aplicaciones nativas y aplicaciones web que permitan hacer análisis o visualización de datos, o que incorporen algoritmos de inteligencia artificial. Para ello, conocerán algunas de las principales librerías y herramientas del ecosistema Python.
En este diplomado, el acento está en aprender y dominar la herramienta misma, mostrando su versatilidad con aplicaciones en diversos ámbitos, a diferencia de otros programas en que el énfasis está en los conceptos de ciencia de datos e inteligencia artificial que se ilustran y ejemplifican con código en el lenguaje Python. La pertinencia de este programa se basa en que el lenguaje Python profesional se ha transformado en una herramienta fundamental, tanto para los desarrolladores de software, como para profesionales del área de ciencia de datos e inteligencia artificial.
El formato del Diplomado en Python Profesional es 100% en línea y se estructura sobre cuatro cursos que utilizan técnicas metodológicas activas. Gracias a estas últimas, el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual.
Dirigido a:
- Desarrolladores u otros profesionales que deseen agregar el lenguaje Python a su arsenal de herramientas en todo su potencial.
- Profesionales que trabajan en aplicaciones del área de ciencia de datos y que no tienen una formación muy fuerte en programación, que necesitan potenciar su trabajo con datos.
Objetivos de aprendizaje:
- Conocer y utilizar el lenguaje Python en todo su potencial.
- Aplicar el lenguaje Python para expresar algoritmos, y para leer, extraer y procesar información. Aplicar el código disponible en las librerías más populares a escenarios comunes de Ciencia de Datos e Inteligencia Artificial y a problemas diversos.
- Desarrollar aplicaciones de mediana complejidad nativas y web en Python.
Requisitos de ingreso:
- Se recomienda una licenciatura o título profesional que incluya competencias de programación
- Se recomienda tener competencias de programación a un nivel intermedio en algún lenguaje. Para evaluar sus competencias, puede realizar este test opcional gratuito: https://www.hackerrank.com/prueba-programacion. Es importante que, si está muy lejos de lograr el puntaje máximo, o está teniendo muchas dificultades, ejercite sus habilidades de programación antes del inicio del programa.
Al final del curso podrás:
- Utilizar estructuras de datos secuenciales como listas, tuplas y colas para almacenar y consultar datos.
- Utilizar estructuras de datos no secuenciales como diccionarios y conjuntos.
- Construir un programa utilizando los conceptos de la programación orientada a objetos.
- Utilizar bibliotecas existentes e integrar sus funcionalidades dentro de un programa propio.
Contenidos:
- Estructuras de datos secuenciales: listas, tuplas, colas
- Estructuras de datos no secuenciales: diccionarios y sets
- Clases, objetos, atributos y métodos
- Interacción entre objetos
- Uso de módulos y bibliotecas existentes
Al final del curso podrás:
- Describir las características de una base de datos relacional y una base de documentos.
- Interactuar directamente con un motor de bases de datos desde la herramienta de administración.
- Escribir consultas simples utilizando el lenguaje SQL.
- Agregar, eliminar información y formular consultas simples de una base de datos relacional mediante el lenguaje standard SQL.
- Construir programas Python capaces de conectarse a un motor de bases de datos para extraer o registrar información.
Contenidos:
- Conceptos fundamentales de bases de datos
- El modelo relacional
- El lenguaje de consultas estándar SQL
- Interacción directa con una base de datos relacional usando SQL
- Conectores y librerías Python para trabajo con Bases de Datos relacionales
- Extracción directa de información desde un programa Python
- La librería Pandas y el concepto de Dataframe
- Extracción de información de mediana complejidad desde un programa Python
- Modificación y eliminación de información de la base de datos desde Python
- El modelo de documentos
- El formato JSON
- Interacción con una base de datos de documentos desde un programa Python
Al final del curso podrás:
- Identificar, procesar y visualizar diferentes tipos de variables en una base de datos utilizando librerías de Python.
- Diseñar e implementar modelos aprendizaje supervisado basados en regresiones.
- Comprender aspectos formales de modelos aprendizaje supervisado tradicionales, experimentando y comparando su rendimiento.
- Reconocer y emplear modelos de redes neuronales artificiales básicas.
- Comprender, implementar e interpretar modelos de aprendizaje no supervisado a través de librerías de Python.
Contenidos:
- Conceptos fundamentales de Machine Learnings
- Análisis, procesamiento y visualización de datos a través de Python
- Algoritmos de aprendizaje supervisado en Python utilizando scikit-learn
• Regresión Lineal
• Regresión Logística
• Regresiones Polinomiales
• Regresiones con penalización
• Árboles de Decisión
• Random Forest
• Random Forest para regresiones
• Naive Bayes
• Vecino más cercano
• Redes Neuronales
• Selección de modelos
- Algoritmos de aprendizaje no supervisado en Python utilizando scikit-learn
• K-means
• Mezcla de Gaussianas
• Cluster Jerárquico
• Autoencoders
Al final del curso podrás:
- Conocer los protocolos y estándares que gobiernan la WWW.
- Entender la arquitectura y el funcionamiento de una aplicación web.
- Escribir páginas estáticas con html y css, y una aplicación web (server side) con ayuda de un framework.
- Procesar información en el lado del cliente usando JavaScript.
- Interactuar con una API desde un programa Python.
- Escribir una API REST sencilla.
Contenidos:
- Contenido de las páginas con HTML y CSS
- El protocolo HTTP
- Arquitectura MVC/T de la aplicación Web
- El framework Django: apps, representación de datos en modelos, migraciones, views, settings, templates, forms, admin
- JavaScript y procesamiento en el lado del cliente.
- APIs REST
- Django REST Framework: endpoints, viewsets, documentación automática
Nota:
Ph.D. Computer Science, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Universidad de Chile. Profesor Asociado del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC.
Magíster en Ciencias de la Ingeniería e Ingeniero Civil en Computación, Pontificia Universidad Católica de Chile. Profesor Instructor Adjunto del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile. Project Manager en Magnet SPA.
Ph.D. Computer Science, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Universidad de Chile. Profesor Asociado del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC.
B.Sc Ciencias de la Computación, Universidad Técnica Federico Santa María. Jefe de Proyectos / DevOps en Magnet SpA. Nueve años de experiencia trabajando en proyectos usando Django.
Ph.D. (c) en Ciencias de la Computación, Pontificia Universidad Católica de Chile. Magíster en Gestión de Operaciones e Ingeniero Civil Industrial, Universidad de Talca. Profesor de Educación Profesional de la Escuela de Ingeniería, Pontificia Universidad Católica de Chile.
Ph.D. of Philosophy en Informática, Université de Nice Sophia Antipolis, Francia. Magíster en Ciencias de la Ingeniería de la UC. Ingeniero Civil en Ciencia de la Computación de la UC.
Profesor Asistente del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC.
El Dr. Ruz es experto en computación de alto rendimiento. Su área principal de trabajo se desarrolla en temas de middleware para cómputo paralelo, sistemas distribuidos y uso de recursos elásticos de procesamiento.
