Horas Lectivas: 160
Bonificación - 100%
Objetivos
Aprenderás los fundamentos de las redes neuronales artificiales.
Conocerás diversas paqueterías que te ayudarán a optimizar tus redes neuronales
Construirás un sistema de aprendizaje profundo basado en redes neuronales.
Aplicarás lo aprendido en la creación de un generador de texto automático.
Horas Lectivas: 100
Bonificación - 100%
Objetivos
Comprender los conceptos básicos del lenguaje Python y cómo se aplican a la ciencia de datos
Practicar la ciencia de datos iterativa con los notebooks Jupyter en IBM Cloud.
Analizar datos utilizando bibliotecas de Python como pandas y numpy.
Crear visualizaciones de datos con matplotlib, folium y seaborn.
Crear modelos de aprendizaje automático utilizando scipy y scikitlearn.
Demostrar dominio en la resolución de problemas de ciencia de datos en la vida real.
Horas Lectivas: 40
Bonificación - 100%
Aprenderás
Qué es un programa y por qué merece la pena aprender a programar, las ventajas del lenguaje Python, cómo instalarlo y cómo utilizarlo
La plataforma Anaconda, los Jupyter Labs y el entorno de desarrollo Spyder
Las variables, expresiones y operadores lógicos en Python
Las distintas formas de ejecución de un programa, secuencial, condicional e iterativa y los comandos Python para implementarlas: if, for y while.
Las funciones como herramienta para reutilizar código y su extensión, los módulos y los paquetes
Horas Lectivas: 30
Bonificación - 100%
Objetivos
En este curso se presentarán las estructuras de datos centrales del lenguaje de programación Python. Pasaremos por los conceptos básicos de la programación de procedimientos y exploraremos cómo podemos usar las estructuras de datos integradas de Python como listas, diccionarios y tuplas para realizar análisis de datos cada vez más complejos.
Horas Lectivas: 50
Bonificación - 100%
Aprenderás
Cómo importar conjuntos de datos, limpiar y preparar datos para el análisis, resumir datos y construir canalizaciones de datos
Cómo utilizar Pandas DataFrames, matrices multidimensionales Numpy y bibliotecas SciPy para trabajar con varios conjuntos de datos
Cómo cargar, manipular, analizar y visualizar conjuntos de datos con pandas, una biblioteca de código abierto
Cómo crear modelos de aprendizaje automático y hacer predicciones con scikit-learn, otra biblioteca de código abierto
Horas Lectivas: 20
Bonificación - 100%
Objetivos
Aprender a como presentar datos usando algunas de las bibliotecas de visualización de datos en Python, incluyendo Matplotlib, Seaborn y Folium
Aprender a cómo usar las herramientas básicas de visualización, que incluyen gráficos de área, histogramas y gráficos de barras
Aprender a cómo usar herramientas de visualización especializadas, incluidos gráficos circulares, gráficos de caja, gráficos de dispersión y gráficos de burbujas
Aprender a cómo usar herramientas de visualización avanzadas, que incluyen gráficos de Waffle, nubes de palabras y gráficos de regresión y Seaborn
Aprender a crear mapas y ver datos geoespaciales
