Ciencia de datos para la toma de decisiones
¡Bienvenido a CodePro, el bootcamp que te convertirá en un experto en programación aplicada a la ciencia de datos!
¿Estás listo para adquirir las habilidades necesarias para procesar, analizar y visualizar datos utilizando Python y librerías populares como NumPy, Pandas y Matplotlib?
CodePro es un programa de formación intensivo en programación y ciencia de datos, en el que se enseña Python, programación orientada a objetos y aprendizaje automático para resolver problemas reales. Los estudiantes tienen la oportunidad de aplicar lo aprendido en proyectos prácticos para desarrollar un portafolio personal. El programa consta de 3 módulos, con clases en vivo. El objetivo es permitir a los estudiantes procesar, analizar y visualizar datos con librerías y herramientas estándar de la industria para abordar desafíos del mundo real.
Certificado
Obtén un certificado digital al terminar nuestro bootcamp.
Todos nuestros cursos otorgan constancias de participación. Los requisitos son estudiar todas las lecciones (puedes hacerlo de manera asíncrona con las grabaciones) y obtener al menos 60 % en una evaluación final.
En cada curso, tendrás la oportunidad de ganar una insignia especial, completando un proyecto especial, sin costo extra.
Contenido académico
Módulo 1: Programación con Python
Temario
Tu primer programa con Python
Cadenas de caracteres y sus métodos
Números y matemáticas
Funciones y ciclos
Alcance
Corrigiendo errores
Lógica condicional y control de flujo
Diccionarios
Programación orientada a objetos
Construyendo sistemas con clases
Sistema de archivos
Instalación de paquetes
Módulo 2: Ciencia de Datos con Python
Exploración de conjuntos de datos con Pandas
Lectura y escritura Archivos CSV
Trabajando con archivos JSON
Marcos de datos con Pandas
Gráficas con Matplotlib
Limpieza de datos con Pandas y NumPy
Trucos y características especiales de Pandas
Visualización interactiva de datos
Histogramas en Python
Fundamentos de estadística
Generación de datos aleatorios
Correlación con Python
Módulo 3: Modelación estadística
Introducción a StatsModels
Regresión lineal simple
Interpretación de resultados en un modelo simple
Diagnóstico y mejora del modelo simple
Regresión lineal múltiple
Interpretación de resultados en un modelo múltiple
Diagnóstico y mejora del modelo múltiple
Regresión polinomial
Interpretación y diagnóstico en un modelo polinomial
Regresión logística
Interpretación y diagnóstico en un modelo logístico
Casos de estudio y aplicaciones prácticas