- Docente a cargo: Anderson Ocaña
- Tutor adjunto: Arturo Grottolli
Clase Induccion
Fundamentos de Python
- Introducción a Python como lenguaje para ciencia de datos
- Estructuras de datos y operaciones básicas
- Control de flujo y funciones
- Programación orientada a objeto
NumPy y Pandas
- Introducción a NumPy: arrays y operaciones vectorizadas
- Manipulación de matrices y álgebra lineal
- Fundamentos de Pandas: Series y DataFrames
- Indexación y selección de dato
Manipulación de Datos: Pandas
- Limpieza y preparación de datos
- Transformaciones y agregaciones
- Manejo de valores faltantes
- Combinación de dataset Estructura de Proyectos de Data Science
Visualizaciones Avanzadas
- Matplotlib para visualizaciones estáticas
- Seaborn para visualizaciones estadísticas
- Plotly para visualizaciones interactivas
- Principios de diseño visual para dato
Estadísticas y Preprocesamiento
- Estadística descriptiva
- Preprocesamiento de datos (normalización, encoding)
- Técnicas de muestreo
- Análisis exploratorio de datos (EDA
Aprendizaje Supervisado
- Regresión lineal y logística
- Árboles de decisión y Random Forest
- Evaluación de modelos supervisados
- Validación cruzada y optimización de hiperparámetro
Aprendizaje No Supervisado
- Clustering (K-means, jerárquico)
- Reducción de dimensionalidad (PCA, t-SNE)
- Detección de anomalías
- Evaluación de modelos no supervisado
Fundamentos de IA y Machine Learning
- Conceptos clave de Machine Learning
- Bias-variance tradeoff
- Overfitting y regularización
- Introducción a redes neuronale
Aplicaciones Prácticas de ML
- Análisis de sentimiento
- Sistemas de recomendación
- Predicción de series temporales
- Proyecto final integrado