Duración:300 Horas
Tipo:Cursos
Modalidad:Virtual
Características
Plan de estudios
Requisitos
Fotografias
Conviértete en un experto en machine learning para el análisis de datos
Aprende las nuevas tendencias del mundo de la tecnología y la inteligencia artificial. Con este bootcamp (curso intensivo de programación) aprenderás a manipular y analizar datos e información de manera inteligente y automática con las últimas técnicas de machine learning. Te capacitaremos en herramientas de ciencia de datos para que puedas hacer tus propios análisis.
Contarás con habilidades técnicas para conseguir un trabajo o emprender tu propio negocio en machine learning y análisis de datos con Python. No te quedes atrás, cupos limitados.
En nuestra modalidad virtual contarás con apoyo de nuestros docentes y actividades online en vivo para acompañar todo tu proceso.
Objetivos del bootcamp y habilidades adquiridas
- Administrar información y datos de forma automática e inteligente.
- Administrar proyectos colaborativos en repositorios OpenSource como GitHub.
- Identificar y programar Python como herramienta para el análisis de datos.
- Utilizar la consola/terminal para actualizar las librerías y crear máquinas virtuales de Python.
- Uso de modelos de IA (inteligencia artificial) para predicciones.
- Aplicación de métodos de limpieza, manipulación y estructuración de datos.
Qué incluye el curso
- Acompañamiento de profesores en sesiones síncronas.
- Acceso a comunidad BIT en plataforma Discord.
- Acceso videos pre-grabados de las clases y otros contenidos académicos.
- Talleres online en vivo o presenciales de habilidades blandas.
- Acceso a plataforma de desarrollo para competencias blandas.
- Acceso a plataforma de aprendizaje de inglés por 4 meses.
- Creación de portafolio en GitHub.
- Presentación de proyecto a empresas con nuestro programa Open Talent.
- Certificación digital BIT con sello universitario Iberoamericana.
- Correo electrónico institucional más paquete Microsoft.
Para quiénes está dirigido este curso
- Ingenieros de software, programadores y técnicos que quieren aprender a trabajar con datos y modelos predictivos.
- Personas que ya trabajan con datos (en Excel, SQL, Power BI, etc.) y quieren profundizar en modelos predictivos, clasificación, regresión, clustering, etc.
- Profesionales que necesitan automatizar análisis, predecir resultados o clasificar datos complejos en sus áreas de estudio.
- Estudiantes universitarios o técnicos que buscan habilidades prácticas muy demandadas en el mercado laboral.
- Profesionales de otras industrias interesados en entrar al mundo del análisis de datos e inteligencia artificial, un sector con alta empleabilidad.
- Personas apasionadas por el aprendizaje automático, los datos y la automatización, aunque no tengan formación técnica formal (siempre que tengan disposición para aprender conceptos de programación y estadística).
A qué cargos puedes aspirar como analista de datos con machine learning
- Analista de datos: Analiza y visualiza datos para apoyar la toma de decisiones. Utiliza herramientas como Python, SQL, Excel, Power BI o Tableau. Aplica modelos simples de machine learning como regresión o clasificación básica.
- Asistente en la creación de modelos: Implementa modelos básicos de ML bajo supervisión. Ayuda en la limpieza de datos, entrenamiento de modelos y evaluación. Trabaja con librerías como Scikit-learn, pandas, NumPy.
- Científico de datos: Realiza análisis exploratorio, construye modelos predictivos y presenta resultados. Participa en proyectos de predicción de ventas, segmentación de clientes, etc. Aplica algoritmos como árboles de decisión, clustering, regresión logística.
- Analista de inteligencia de negocios: Aunque no siempre aplica ML directamente, puede usarlo para enriquecer análisis y dashboards. Interpreta datos y genera reportes que aportan valor estratégico al negocio.
- Asistente de proyectos de inteligencia artificial: Rol de apoyo en equipos de inteligencia artificial. Participa en el ciclo de vida de modelos, pruebas y evaluación.
- Preparación de datos: Si tiene interés en el lado técnico, puede enfocarse en limpiar, transformar y preparar datos para modelos de machine learning.
- Analista de marketing con enfoque en datos: Analiza comportamiento de usuarios y aplica clustering o modelos predictivos para segmentar audiencias y optimizar campañas.
Pre Work de 14 horas
- Contenido virtual: Fundamentos de programación, lógica y algoritmia.
Módulo 1:
Introducción a Python y análisis de datos
- Terminal Powershell y Unix.
- Introducción a GIT y GitHub.
- Introducción a Python: variables, tipos de datos, listas y tuplas.
- Operadores y condicionales.
- Controladores de flujo, diccionarios y conjuntos.
- Lectura de archivos y formatos de datos como JSON, XML, CSV y XSLX.
- Introducción a Numpy y lectura de imágenes.
Módulo 2:
Bases de datos y visualizaciones
- Estructura básica de una consulta SQL SELECT, FROM, WHERE, etc.
- Conectarse a una base de datos PostgreSQL usando un cliente como pgAdmin o psql.
- Instalar y configurar SQLServer.
- Conectarse a una base de datos SQLServer usando SSMS o SQLCMD.
- Comprender el proceso de ETL (Extracción, Transformación y Carga) de datos.
- Conectar a una base de datos PostgreSQL usando la biblioteca SQLAlchemy en Python.
- Realizar consultas SQL utilizando la API de SQLAlchemy.
- Conectar a una base de datos PostgreSQL usando la biblioteca Psycopg2 de Python.
- Ejecutar comandos SQL directamente desde Python.
- Crear gráficos básicos como histogramas, diagramas de dispersión y barras con Matplotlib.
- Utilizar Seaborn para crear visualizaciones de datos más avanzadas.
- Crear gráficos de distribución, diagramas de violín, mapas de calor y otras visualizaciones con Seaborn.
- Crear visualizaciones interactivas con Plotly.
- Crear gráficos 3D, gráficos de líneas y otras visualizaciones con Plotly.
- Crear mapas interactivos con Folium.
- Crear mapas de coropletas para visualizar datos geográficos.
- Crear animaciones con Matplotlib o Plotly para mostrar cambios en los datos a lo largo del tiempo.
- Crear aplicaciones web interactivas con Dash.
- Crear mapas interactivos con Dash.
- Utilizar callbacks para actualizar la interfaz de usuario de una aplicación Dash en respuesta a eventos del usuario.
Módulo 3:
Machine learning
- Definir y calcular estadísticas de resumen de datos como media, mediana, moda y desviación estándar.
- Ecuación del modelo lineal y sus componentes.
- Definir el concepto de A/B testing y su aplicación.
- Diseñar y ejecutar un test A/B.
- Diferenciar aprendizaje supervisado y no supervisado.
- Función logística y su aplicación en clasificación de datos.
- El teorema de Bayes y su aplicación en clasificación.
- Arbol de decisión y comprender sus reglas.
- Definir y aplicar la validación cruzada (cross-validation).
- Comprender el problema del sobreajuste (overfitting).
- Aplicar técnicas de regularización como L1 y L2.
Módulo 4:
Procesamiento de texto y redes neuronales
- Introducción al procesamiento de lenguaje natural (NLP).
- Notación básica.
- Manipulación de texto.
- Tokenización y normalización de texto.
- Procesamiento de texto.
- Corrección ortográfica.
- Stemming y lemas.
- Resumen de texto.
- Extracción n-grams.
- Redes neuronales.
- ANN.
- Fundamentos y arquitectura de redes.
- CNN.
- Transformers.
Requerimientos y lo necesario para tomar el curso
Únicamente necesitas un computador o portátil con las siguientes especificaciones mínimas:
- RAM: 8GB
- Disco: 128GB
- Procesador: Intel Core i5
¿Hay algún error en la información?
¡Ayudanos y Reportalo!
¡Ayudanos y Reportalo!