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