1. Fundamentos de programación

• Iniciación al pensamiento lógico.
• Estructuras básicas de programación.
• Entornos, frameworks y herramientas destacadas.

2. Python para Data Scientists

• Intruducción a la programación.
• Variables, loops, secuencias.
• Funciones y datos complejos.
• Gestión de archivos y parsing.

3.Introducción a datos e IA.

• Empresas data driven
• Introducción a la IA.
• Fundamentos de cloud

4. Manipulación y análisis de datos avanzado

• Manipulación y Análisis de datos (databases, sql, no sql, apis, webservices, scripting).
• Procesamiento de datos (Limpieza y manipulación)
• Librerías de Python (Panda, Numpy).

5. Análisis exploratorio y visualización básica

• Introducción y conceptos matemáticos clave.
• Algebra lineal.
• Probabilidad y estadística para Machine learning.
• Mapas
• Herramientas visualización comerciales y de open Source.

6. Machine Learning Avanzado I

• Clasificación: Modelo probabilístico (Naive Bayes & Logistic Regression). K-NN, Decision trees & Random forest. XGBoost.
• Regresión lineal y no lineal.
• Técnicas de remuestreo y validación cruzada.
• Sobreajuste & Bias.
• Series temporales.

7. Machine Learning Avanzado II

• Clustering y detección de anomalías.
• Minería de datos y asociación.
• Modelos de variables latentes y reducción dimensional.

8. Deep Learning y Operacionalización

• Introducción al Deep Learning.
• Cómo construir una red neuronal.
• Densely connected network.
• Red Neuronal Convolucional (CNN).
• Red Neuronal Recurrente (RNN).
• Redes Adversarias Generativas (GANs).

9.Capstone

• Trabajo final de Máster al que presentarás a un jurado de profesionales expertos en la materia.