En el presente Python es uno de los lenguajes de referencia para los científicos de datos en él se pueden implementar desde los análisis de datos más básicos hasta los modelos de aprendizaje automático más avanzados, permitiendo llevar estos posteriormente a directamente a producción de una forma ágil.
Esta popularidad es debida a múltiples factores entre ellos se puede destacar la facilidad de su sintaxis que facilita la legibilidad del código y abundancia de librerías para múltiples tareas. Con este curso se pretende dar las herramientas necesarias para que el desarrollador se adapte a este nuevo panorama teniendo la posibilidad de aprender nuevas habilidades la búsqueda de valor en el negocio donde se aplique.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
Objetivos Principales Dominar la implementación de Python en el área de ciencias de datos. Conocer los ambientes más novedosos de Python en el área. Desarrollar modelos óptimos basados en casos de negocio reales. objetivo resumido
A quién va dirigido
A estudiantes y desarrolladores en el campo de T.I. o personas interesadas en el campo de la programación, ya que contamos con cursos desde nivel básico
Requisitos
Requisitos Programación en Python (ambientes, lenguaje y POO). Se recomienda curso: Python desde cero. Conocimientos básicos en SQL y NoSQL. Conocimientos base en matemáticas y estadística.
Temario completo de este curso
Fuentes de información
1.1. Teoría general de manejo de la
información.
1.2. Archivos planos en formato CSV y
otras fuentes no especificadas (Data
Streaming).
1.3. Bases de datos relacionales y
documentales (Estructura de datos).
1.4. Data Warehouse y Big Data.
1.5. OLTP vs OLAP
1.6. Tratamiento de la información.
1.7. Mecanismos de limpieza.
2. Configuración del ambiente de desarrollo.
2.1. Configuración de Python y sus
correspondientes paquetes.
2.2. Notebooks, su uso e implementación.
2.3. IDE´s dedicados a ciencia de datos.
3. Modelado: Matemáticas y algoritmos
3.1. Conceptos de estadística.
3.2. Algoritmos más utilizados.
3.3. Implementado un modelo propio.
4. Visualización
4.1. Formas de visualización.
4.2. Campos de acción de acuerdo con resultados.
4.3. Herramientas de BI.
5. Comunicación y presentación
5.1. Presentación de un proyecto a un equipo
multidisciplinario.
5.2. Técnicas de implementación