Cursos de capacitación continua
Ciencia de datos básica con Python
Duración: 40 hrs.
Instructor:
Dr. Alberto Reyes Ballesteros
Dr. Fernando FermínJiménez Fraustro
Instructor:
Dr. Alberto Reyes Ballesteros
Dr. Fernando FermínJiménez Fraustro
Objetivo:
Que el participante conozca las estructuras y conceptos del lenguaje Python necesarios para poder implementar aplicaciones de ciencia de datos.
Dirigido a:
Profesionistas interesados en abordar retos en el sector de energía y otros dominios mediante uno de los lenguajes más poderosos para ciencia de datos y aprendizaje automático.
Que el participante conozca las estructuras y conceptos del lenguaje Python necesarios para poder implementar aplicaciones de ciencia de datos.
Dirigido a:
Profesionistas interesados en abordar retos en el sector de energía y otros dominios mediante uno de los lenguajes más poderosos para ciencia de datos y aprendizaje automático.
Temario
1. Fundamentos de Python (5 horas)
Objetivo:
Conocer y utilizar los conceptos básicos de Python en distintos entornos de programación.
Contenido:
Conocer y utilizar los conceptos básicos de Python en distintos entornos de programación.
Contenido:
1.1. Entornos de programación y herramientas útiles para la programación en Python.
1.2. Estructura y elementos del lenguaje
1.3. Tipos, operadores y expresiones
1.4. Colecciones
1.5. Funciones
1.6. Estructura de datos fundamentales
2. Programación orientada a objetos (ML) (5 horas)
1.2. Estructura y elementos del lenguaje
1.3. Tipos, operadores y expresiones
1.4. Colecciones
1.5. Funciones
1.6. Estructura de datos fundamentales
Objetivo:
Conocer y aplicar conceptos de la programación orientada a objetos mediante ejemplos sencillos.
Contenido:
Conocer y aplicar conceptos de la programación orientada a objetos mediante ejemplos sencillos.
Contenido:
2.1. Clases, propiedades y métodos
2.2. Objetos, herencia simple, herencia múltiple y polimorfismo
2.3. Acceso a métodos y propiedades de un objeto
3. Tipos de datos complejos en Python (5 hrs)
2.2. Objetos, herencia simple, herencia múltiple y polimorfismo
2.3. Acceso a métodos y propiedades de un objeto
Objetivo:
Aprender el uso de tipos de datos complejos para estructuras de datos propias de pyhton.
Contenido:
Aprender el uso de tipos de datos complejos para estructuras de datos propias de pyhton.
Contenido:
3.1. Listas y tuplas
3.2. Diccionarios y conjuntos
4. Python para ciencia de datos (15 horas)
3.2. Diccionarios y conjuntos
Objetivo:
Utilizar los principales módulos y paquetes de Python para ciencia de datos en ejemplos prácticos.
Contenido:
Utilizar los principales módulos y paquetes de Python para ciencia de datos en ejemplos prácticos.
Contenido:
4.1. Introducción a Numpy
4.2. Introducción a Pandas
4.3. Manipulación de datos en Pandas
4.4. Visualización de datos básica y avanzada con Seaborn
5. Algoritmos en Python (10 horas)
4.2. Introducción a Pandas
4.3. Manipulación de datos en Pandas
4.4. Visualización de datos básica y avanzada con Seaborn
Objetivo:
Implementar estructuras de datos complejas y los primeros algoritmos de clasificación con python.
Contenido:
Implementar estructuras de datos complejas y los primeros algoritmos de clasificación con python.
Contenido:
5.1. Implementación de algoritmos de clasificación
5.1.1. Árboles de decisión
5.1.2. Redes neuronales
5.2. Implementación de árboles y grafos
5.1.1. Árboles de decisión
5.1.2. Redes neuronales
5.2. Implementación de árboles y grafos