Python se ha convertido en la herramienta fundamental para los profesionales que trabajan en Ciencia de Datos e Inteligencia Artificial. Hay muchos programas de Ciencia de Datos en que se da por sentado que uno sabe Python, o que lo aprenderá al mismo tiempo que aprende los contenidos del programa. Este diplomado ofrece un camino distinto: dedicar todo el esfuerzo al comienzo en aprender a usar este lenguaje, partiendo desde cero, para luego aprender la forma en que se interactúa con bases de datos, y finalmente cómo se le puede sacar el máximo partido en el contexto de Ciencia de Datos.
Este enfoque tiene dos ventajas importantes. Primero, que entrega las competencias necesarias para usar Python más adelante en otros escenarios y áreas de aplicación y, segundo, que no exige al estudiante el tener que aprender Python al mismo tiempo que las técnicas y los algoritmos.
El formato del Diplomado en Python y Ciencia de Datos 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:
- Todas las personas que necesiten o estén interesadas en adquirir las habilidades para aplicar técnicas de ciencia de datos a su trabajo.
- Profesionales que necesiten o estén interesados en aprender a programar usando el lenguaje Python y aplicarlo a la extracción y análisis de datos.
Objetivos de aprendizaje:
- Escribir programas de mediana complejidad usando el lenguaje Python.
- Interactuar con un motor de bases datos desde un programa Python.
- Diseñar y construir soluciones de ciencia de datos y Machine Learning usando las librerías disponibles en Python.
Al final del curso podrás:
- Identificar conceptos y operaciones básicas de programación, tales como variables, funciones, operadores lógicos.
- Utilizar los comandos de control de flujo y los ciclos para la dirigir y repetir eficientemente un conjunto de operaciones básicas.
- Emplear elementos básicos como tipos de archivos (.txt, csv), tipos de datos (texto, entero, decimal, listas), etc en el procesamiento de datos.
- Aplicar conceptos y herramientas básicas de programación, como lectura, escritura de archivos y edición masiva de datos, resolviendo problemas reales relacionados con el procesamiento de datos.
- Desarrollar programas en el lenguaje de programación Python que permitan resolver problemas sencillos.
Contenidos:
Módulo 1: Introducción a la programación
- Motivación
• De los datos a la información
• Datos, información y programación ¿Cómo conviven hoy estos elementos en el mundo laboral?:
• ¿Qué es la programación?
• Aplicaciones prácticas
• La programación en el mundo laboral y cómo debe convertirse en un hábito
- Secuencias de comandos en Python
- Operaciones básicas
- Creación y asignación de variables
- Operaciones lógicas
Módulo 2: Control de Flujo
- Control de Flujo:
• If
• Else
• Elif
• Uso en conjunto
- Ciclos:
• While
• For
Módulo 3: Tipos de datos y funciones
- Tipos de datos: Enteros, decimales, textos y listas
- “Strings”
• ¿Qué es un string?
• Funciones básicas de un string
• Funciones avanzadas de un string
- Funciones
• ¿Qué es una función?
• ¿Por qué ocupar funciones?
• Declaración y uso de funciones
- Listas
• Creación de listas
• Obtener elementos
• Añadir elementos o quitar elementos
• Operaciones sobre listas
Módulo 4: Procesamiento de datos
- Listas de listas
- Archivos
• Cómo se interactúa con archivos y para qué sirven
• Leer archivos
• Escribir archivos
- Procesamiento de datos
• Carga masiva
• Edición masiva
• Ejemplos prácticos
Módulo 5: Diccionarios y Tuplas
- Listas y listas de listas
- Manipulación de listas
- Funciones sobre listas
- Diccionarios
- Operaciones sobre diccionarios
- Aplicaciones de diccionarios
- Aplicaciones con listas y diccionarios
- Tuplas como tipo de dato inmutable
- Operaciones sobre tuplas
- Combinando listas, tuplas y diccionarios
Módulo 6: Funciones
- Concepto de función
- Definición de funciones
- Parámetros y valores de retorno
- Importación y llamado de módulos.
- Invocación de funciones y scope
- Parámetros con nombre y parámetros por defecto
- Funciones recursivas
- Aplicación de funciones
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:
- Introducción al lenguaje de programación Python y su sintaxis
- 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:
- Conocer y comprender las principales teorías y prácticas de la emergente área de Minería de Datos.
- Aplicar reglas de asociación para encontrar relaciones en un set de transacciones.
- Desarrollar soluciones a problemas reales de Big Data y ciencia de datos que involucren la necesidad de técnicas de Minería de Datos como árboles de decisión y clustering.
- Implementar soluciones usando herramientas de software de Minería de Datos aplicándolas en datos reales.
Contenidos:
- Conceptos fundamentales de minería de datos
- Preparación de datos y reducción de información
- Reglas de asociación
- Algoritmos de clasificación
- Algoritmos de Clustering y medidas de similaridad
- Selección de modelos e introducción a Machine Learning
Nota: Para poder avanzar a los cursos 2, 3 y 4, el estudiante debe haber aprobado el curso Herramientas básicas de programación en Python
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.
Doctor en Ciencia de la Ingeniería y Master en Ciencias de la Ingeniería, UC, Chile. Master in Computer Science, University of Northern Iowa, USA. Master en Ingeniería de Software e Ingeniero Civil en Computación e Informática, Universidad de Tarapacá, Chile.
Doctora en Ciencias, mención Computación, e Ingeniero Civil en Computación, Universidad de Chile. Profesora Asistente del Departamento de Ciencia de la Computación UC, realizando investigación en el área de Sistemas Colaborativos y Computación centrada en las personas. El año 2014 obtuvo el Premio de Excelencia en Docencia de la Escuela de Ingeniería UC, y ha dictado cursos introductorios de programación por más de 10 años.
Ingeniero Informático y Master en Computación, Universitat Politècnica de Catalunya, recibió el grado de Doctor en Computación con distinción Cum Laude y mención internacional en la misma universidad. Profesor del Departamento de Ciencia de la Computación UC, realiza docencia e investigación en las áreas de Process Mining y Process Oriented Data Science. Autor del libro ‘Conformance Checking and Diagnosis in Process Mining’, en 2015 recibió el premio IEEE Best Dissertation on Process Mining.
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 Ciencia de la Computación, UC. Ingeniero Civil de Industrias con Diploma en Ingeniería de Computación, UC. Ingeniero en Machine Learning de PhageLab.
¿Te gusta esta publicación?
Comparte esta publicación
*El profesional debe cumplir con los requisitos de admisión para postular a un Diplomado.
*Beneficios sólo aplican a los programas de Educación Profesional de la Escuela de Ingeniería y excluyen a La Clase Ejecutiva, y a los diplomados articulables con los programas de magíster.
