Aprende a utilizar el versátil lenguaje de programación Python en aplicaciones de diverso tipo, con énfasis en su potencial para la ciencia de datos y el Machine Learning.
Los alumnos de este diplomado aprenderán a programar utilizando el lenguaje Python y a construir aplicaciones nativas y web que permitan hacer análisis o visualización de datos, o que incorporen algoritmos de inteligencia artificial. Para ello, serán introducidos gradualmente en las principales librerías y herramientas del ecosistema Python. A diferencia de otros programas, donde el énfasis está en los conceptos de Ciencia de Datos e Inteligencia Artificial que se ilustran y ejemplifican con código Python, este diplomado se enfoca en aprender y dominar la herramienta misma, ilustrando su versatilidad con aplicaciones en diversos ámbitos.
El lenguaje Python se ha transformado en una herramienta fundamental tanto para un desarrollador de software, como para profesionales del área de Ciencia de Datos e Inteligencia Artificial. Este programa permite adquirir las competencias necesarias para desempeñarse con éxito en el futuro en cualquiera de estos dos escenarios.
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.
Requisitos de ingreso:
– Licenciatura o título profesional que incluya competencias de programación
– 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.
– 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
– 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
– Conceptos fundamentales de Machine Learning
– Análisis, procesamiento y visualización de datos a través de Python
– Algoritmos de aprendizaje supervisado en Python utilizando scikit-learn
o Regresión lineal
o Regresión logística
o Regresiones polinomiales
o Regresiones con penalización
o Árboles de decisión
o Random Forest
o Random Forest para regresiones
o Naive Bayes
o Vecino más cercano
o Redes neuronales
o Selección de modelos
– Algoritmos de aprendizaje no supervisado en Python utilizando scikit-learn
o K-means
o Mezcla de Gaussianas
o Cluster jerárquico
o Autoencoders
– Introducción
– Contenido de las páginas con HTML y CSS
– El protocolo HTTP
– Arquitectura MVC de la aplicación Web
– Un framework orientado a aplicaciones (Django)
– Un framework orientado a APIS (Flask)
– Introducción a JavaScript y procesamiento en el lado del cliente
Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica
Doctor of Philosophy, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Pontificia Universidad Católica de Chile.
Profesor Asociado y Director del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.
Ph.D. candidate in Computer Science y Licenciado en Astronomía, Pontificia Universidad Católica de Chile.
Ph.D. en Geología Estructural Freie Universität, Berlin.
Profesor del Departamento de Ciencias Geológicas, Universidad Católica del Norte. Investigador Principal Centro Nacional de Investigación para la Gestión Integrada de Desastres Naturales (CIGIDEN).
Doctor of Philosophy, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Pontificia Universidad Católica de Chile.
Profesor Asociado y Director del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.
Ingeniero Civil Industrial y Magíster en Gestión de Operaciones, Universidad de Talca. Cursa el doctorado en Ciencias de Ingeniería, UC. Profesor part-time en la Facultad de Ingeniería y en la Facultad de Economía de la Universidad de Talca. Profesor Asistente en las cátedras de Minería de Datos y Tópicos Avanzados de Inteligencia de Máquina en la UC.
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.
¿Te gustó este programa?
¡Compártelo en tus redes sociales!
