La Ciencia de Datos es un área de acelerado desarrollo en los últimos años, con una creciente demanda de profesionales debido a sus múltiples aplicaciones. Las organizaciones tienen acceso o generan y almacenan de manera constante una elevada cantidad de datos, y la aplicación de algoritmos basados en matemática y estadística permite obtener información crucial para la toma de decisiones. Por ello, el conocimiento de la Ciencia de Datos se ha vuelto imprescindible en cualquier ámbito de trabajo.
.
INTRODUCCIÓN A LA CIENCIA DE DATOS CON PYTHON
Al culminar el diplomado, el estudiante podrá adquirir conocimientos sobre:
Introducción al pensamiento computacional y a la programación con Python.
Introducción a conceptos básicos en Ciencia de Datos.
Aprendizaje de librerías para el manejo, análisis y visualización de datos en Python.
Aplicación de métodos de aprendizaje de máquina para el análisis de datos en Python.
Aplicación de los conocimientos adquiridos en un proyecto final de Ciencia de Datos.
Introducción: Uso de la Plataforma Tecnológica EDUCA.
Módulo 1: Introducción a la programación con Python
– Conceptos de Computación, Programas y Algoritmos.
– Lenguaje Python. Ambiente de programación.
– Instrucciones, Variables, Constantes, Operadores y Expresiones.
– Tipos de datos en Python.
– Estructuras de control de flujo: selectivas y repetitivas.
– Funciones y módulos.
– Estructuras de datos básicas en Python
Módulo 2: Manejo de datos con Python
– Introducción a la Ciencia de Datos.
– Introducción a numpy.
– Fundamentos de manipulación de datos en Python.
– Procesamiento básico de datos con Pandas.
– Pruebas estadísticas básicas con Pandas.
Módulo 3: Visualización de datos con Python
– Principios e importancia de la visualización de información.
– Gráficos básicos. Uso de matplotlib.
– Uso de pandas para visualización.
– Uso de seaborn.
– Uso de plotly y folium.
Módulo 4: Aprendizaje de máquina aplicado con Python
– Fundamentos del Aprendizaje de Máquina.
– Introducción a scikit-learn.
– Aprendizaje de máquina supervisado. Métodos básicos de clasificación y regresión.
– Evaluación de modelos.
– Redes neuronales e introducción al aprendizaje profundo.
Módulo 5: Proyecto final
-Proyecto final para la aplicación de los conocimientos adquiridos durante el curso
Total, de 90 horas:
..
Actividad | Condiciones de obtención | Observación |
Mínimo para obtener el certificado de participación | >=20% | Suma de los porcentajes alcanzados en:
|
Mínimo para obtener el certificado de aprobación | >=60% | Suma de los porcentajes alcanzados en:
|
.
La distribución de porcentajes es la siguiente:
Matrícula: 500.000 G
Docentes y Graduados FP-UNA: 3.000.000 G o 5 cuotas de 600.000 G
Docentes y Graduados UNA: 3.300.000 G o 5 cuotas de 660.000 G
Estudiantes FP-UNA: 2.700.000 G o 5 cuotas de 540.000 G
Estudiantes UNA: 2.850.000 G o 5 cuotas de 570.000 G
Público en general: 3.500.000 G o 5 cuotas de 700.000 G
Matricula Exonerada
25% Docentes y Graduados FP-UNA: 2.250.000 G
20% Docentes y Graduados UNA: 2.640.000 G.
15% Estudiantes FP-UNA: 2.295.000 G
12% Estudiantes UNA: 2.508.000 G
10% Público en general: 3.150.000 G
Nacido en Paraguay en 1984. En 2009 obtuvo el título de Ingeniero Electrónico en la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA). En 2011 culminó la maestría en Ciencias de la Computación en el Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE) en Baja California, México; donde en 2018 obtuvo su título de Doctor en Ciencias de la Computación. Es investigador del Núcleo de Investigación y Desarrollo Tecnológico (NIDTEC) de la Facultad Politécnica de la Universidad Nacional de Asunción (FPUNA), docente universitario en la FPUNA y en la FIUNA; y consultor en temas de docencia y tecnología. Está categorizado desde 2018 como candidato a investigador en el PRONII de CONACYT Paraguay. Sus áreas de interés son: optimización combinatoria, predicción de estructuras de proteínas, diseño de proteínas y aprendizaje de máquina.
Cristian Cappo Araujo.
.
Gustavo Sosa Cabrera.
.
.
Diego Stalder Díaz:.
.
.
José Colbes SanabriaREQUISITOS – INSCRIPCIONES ONLINE
.
Medios de pago habilitados:
.
Dudas o consultas: inscripcionesdfc@pol.una.py
Correo Electrónico: jlvazquez@pol.una.py / formacion.continua@pol.una.py
Teléfono (Para WhatsApp): 0972 735 538.
Servicios en línea
© 2024 / Facultad Politécnica – U.N.A.
Campus, San Lorenzo – Paraguay.
Teléfono (+595-21) 588 7110 – C.C. 2111
mesadeentrada@pol.una.py.
Redes Sociales
