Page 38 - Plan de Formación FACES-ULA
P. 38

|                                                            INTRODUCCIÓN A LA
                                                       CIENCIA DE DATOS CON Python








                                         50$


      Metodología

      Virtual / No Presencial.
      Dirigido a

      Este curso está dirigido a todo aquel que desee aprender
      a aplicar los métodos y procedimientos más comunes de
      la Ciencia de Datos mediante el lenguaje Python.

      Duración
      40 horas académicas
      2 Meses / 8 Semanas
                                                                   Descripción
      Contenido programático                                       El presente curso está basado en un programa de

      Módulo 01. INTRODUCCIÓN A LA CIENCIA DE                      formación que le permitirá al estudiante llevar a
      DATOS:                                                       cabo los análisis más comunes de la Ciencia de
         • Introducción al Machine Learning.                       Datos mediante el lenguaje Python.
         • Introducción al Deep Learning                           Python es el lenguaje de computación más usado
                                                                   y se ha convertido en la herramienta más utilizada
      Módulo 02. INTRODUCCIÓN AL Python:                           en  Ciencia  de  Datos  (Data  Science),  ya  que
         • Instalación, descripción de sus componentes,            permite la  manipulación avanzada de datos  y
          manejo básico, Instalación de paquetes.                  tiene  incorporadas  una  serie  de  paquetes  que
                                                                   permiten realizar  gráficos de gran calidad y
         • Estructuras de datos.                                   ejecutar los algoritmos más importantes en el
         • Carga de datos.                                         área.
                                                                   Para tomar  el curso se  recomienda  que el
      Módulo 03: MANIPULACIÓN DE DATOS EN                          estudiante  tenga  un  conocimiento  previo  de
      Python.                                                      Estadística y de Machine Learning (no limitantes).
         • Uso del paquete Pandas.                                 Se requiere además, que el estudiante posea un
                                                                   computador  de  64  bits  para  poder  instalar  así
      Módulo 04: VISUALIZACIÓN DE DATOS EN                         instalar las versión más reciente de Python.
      Python.
                                                                   Objetivos
      Módulo 05: MACHINE LEARNING EN Python:
         • Aprendizaje No Supervisado en Python.                   Proveer al estudiante de las herramientas básicas
         • Aprendizaje Supervisado en Python.                      que le permitan llevar a cabo un análisis de datos
                                                                   basado en algoritmos de la disciplina que se ha
      Módulo 06: DEEP LEARNING EN Python:                          denominado Ciencia de Datos (Data Science), y
         • Introducción a las principales herramientas:            que le permitan, posterior a la  realización del
          keras, tensorflow.                                       curso, la posibilidad de seguir profundizando en
         • Aplicaciones de Deep Learning usando                    otros análisis usando el lenguaje de computación
          Python.                                                  Python.





                    Avenida Las Américas, Núcleo Universitario la Liria, Facultad de Ciencias Económicas y Sociales, Escuela de Estadística,

                              Edif. F Piso 2, Mérida 5101, República Bolivariana de Venezuela Teléfonos: +58 4127900416
                               Páginas Web: https://github.com/escestadisticaula – email: escestadisticaula@gmail.com
   33   34   35   36   37   38   39   40   41   42   43