Diplomado en Python Profesional (Online)

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