Introducción a la Ciencia de
Datos 
y Microsoft Azure
Contenido del curso
- Introducción a la Ciencia de Datos
- Introducción a Microsoft Azure y sus servicios de Ciencia de Datos
- Configuración de un entorno de trabajo en Microsoft Azure
- Introducción a Python y Jupyter Notebooks
- Importación de datos en Azure
- Limpieza y transformación de datos
- Manipulación de datos con pandas y numpy
- Análisis exploratorio de datos
- Introducción a la estadística descriptiva
- Análisis de correlación y regresión
- Visualización de datos con Matplotlib y Seaborn
- Uso de herramientas de visualización interactiva en Azure
- Introducción al aprendizaje supervisado
- Algoritmos de clasificación: Regresión logística, árboles de decisión, SVM
- Algoritmos de regresión: Regresión lineal, regresión polinómica, regresión de Ridge y Lasso
- Evaluación de modelos
- Introducción al aprendizaje no supervisado
- Algoritmos de clustering: K-means, clustering jerárquico, DBSCAN
- Algoritmos de reducción de dimensionalidad: PCA, t-SNE
- Evaluación de modelos
- Introducción al aprendizaje profundo
- Redes neuronales: perceptrón multicapa, convolucionales, recurrentes
- Uso de transfer learning y pre-entrenamiento
- Evaluación de modelos
- Introducción al procesamiento de lenguaje natural
- Preprocesamiento de texto: tokenización, lematización, eliminación de stopwords
- Modelos de lenguaje: bag-of-words, TF-IDF, word embeddings
- Modelos de clasificación de texto
- Introducción al procesamiento de imágenes
- Preprocesamiento de imágenes: redimensionamiento, normalización, aumento de datos
- Redes neuronales convolucionales para clasificación de imágenes
- Transfer learning en redes neuronales convolucionales
- Introducción al procesamiento de datos en tiempo real
- Azure Stream Analytics para procesamiento de datos en tiempo real
- Uso de Event Hubs y Event Grid para ingestión de datos
- Análisis en tiempo real y visualización en Power BI
- Despliegue de modelos en Azure Machine Learning Service
- Uso de contenedores de Docker para despliegue
- Monitorización de modelos en producción
- Implementación de soluciones de automatización y DevOps para modelos de aprendizaje automático
Metodología
La metodología de aprendizaje es práctica, en tres etapas:
1
SE EXPLICA
2
SE VE UN EJEMPLO
3
EL ALUMNO LO REPRODUCE
1
SE EXPLICA
SE VE UN EJEMPLO
2
3
EL ALUMNO LO REPRODUCE
De este modo el alumno transcurre una formación orientada a proyectos, lo que implica que al finalizar cada módulo hay un proyecto integrador en el que el alumno trabaja por sí solo o en equipos para resolver un entregable.
¿QUÉ SE NECESITA?
Requisitos
Notebook, cámara y micrófono
Para poder participar, es indispensable tener una computadora portátil (con Windows 10+, Linux o Mac). Cualquier equipo de los últimos 6 años debería funcionar bien. Se sugiere que la computadora tenga al menos 4GB de memoria RAM y 10GB de espacio disponible en disco, cámara web y micrófono.
Herramientas informáticas
Es requisito contar con conocimientos en:
Correo electrónico, Google Drive, Microsoft Office, Zoom.
También es importante contar con un nivel intermedio de hojas de cálculo (Microsoft Excel).
Inglés
Aunque no es un requisito imprescindible, es recomendable tener conocimientos básicos de inglés para poder entender la mayoría de la terminología y documentación utilizada en el curso. También es importante destacar que tener habilidades en el idioma puede ser beneficioso para una mejor inserción laboral en la industria de la tecnología de la información.
PREGUNTAS FRECUENTES
FAQ
Utilizaremos en el curso Visual Studio Code y Google Chrome, ambos gratuitos.
Este curso es altamente exigente y está diseñado para brindar una experiencia práctica mediante una metodología de aprendizaje de aprender haciendo. En cada oportunidad en que se presente un nuevo concepto, los estudiantes tendrán la oportunidad de ponerlo en práctica en su propia computadora. Además, se realizarán ejercicios que integren todos los temas que se han cubierto hasta ese momento. Dado que se trata de un curso muy intenso y que cada conocimiento se construye sobre los previos, es importante no quedarse atrás en ningún momento. Se alienta a los estudiantes a seguir practicando en sus hogares y a plantear todas las preguntas que puedan tener.
Sí, cada curso cuenta con un número limitado de plazas para garantizar una comunicación efectiva y una relación estrecha entre el profesorado y el alumnado.
Las personas que hayan asistido a un 90% de las clases podrán solicitar su Diploma y Certificado de Asistencia al curso.