Descripción
DESCRIPCIÓN
Este bootcamp de programación en Python es un curso intensivo de 60 horas que introduce a los estudiantes al mundo del código y al análisis de datos con aplicaciones directas en la industria. Durante el curso, los estudiantes aprenderán los fundamentos de la programación y adquirirán habilidades esenciales para el análisis de datos en contextos industriales.
Con este bootcamp, los participantes tendrán una base sólida en programación y análisis de datos, y estarán listos para abordar desafíos específicos en la industria utilizando Python.
EL INSTRUCTOR
El Instructor Favio Vázquez es:
M.Sc. en Física, Universidad Nacional Autónoma de México, México City-México, Supervisor: Dr. Jorge Cervantes-Cota. Con Licenciatura en Ingeniería Computacional, Universidad Rafael Urdaneta, Zulia-Venezuela, y Licenciatura en Física, Universidad del Zulia, Zulia-Venezuela.
Miembro de la Facultad, Profesor y Pyme en Ciencia de Datos, Instituto Emérito de Gestión, Boston MA, Estados Unidos. 2019 al presente. Trabajando en:
- Diseño de cursos sobre ciencia de datos, aprendizaje automático e inteligencia artificial
- Trabajar en estrecha colaboración con universidades como Columbia, Wharton, Dartmouth, MIT y Cambridge para desarrollar cursos y estrategias de aprendizaje.
- Orador un miembro activo de la comunidad de ciencia de datos.
- Ofrecer tutoriales, demostraciones y conferencias sobre ciencia de datos y temas relacionados.
- Usar mi experiencia en ciencia de datos para revisar contenidos y cursos que pueden mejorar la vida de miles de personas que quieren aprender.
Profesor del curso de Ciencia de Datos, Afi Escuela de Finanzas, Ciudad de México, México. 2018 al 2019.
Asesor Académico de los programas Data Science y Big Data Expert en México.
- Profesor (Programación en Python y R, Ciencia de datos con Python, R y Apache Spark, Técnicas avanzadas de ciencia de datos, Series temporales para ciencia de datos, Aprendizaje profundo con Python).
- Ponente en principales presentaciones de la Escuela.
EXPERIENCIA PROFESIONAL
Lead Data Scientist / Ingeniero de Soluciones Español LATAM, H2O.ai, México. 2021 al presente.
Miembro de la Facultad, Profesor y Pyme en Ciencia de Datos, Instituto Emérito de Gestión, Boston MA, Estados Unidos. 2019 al presente.
Jefe científico de datos, más cerca, Ciudad de México, México. 2018 al 2022
Editor, Revista internacional de inteligencia y análisis de negocios (IJBAI), Nueva Delhi, India. 2018 al 2021.
Fundador / Científico Jefe de Datos (CDS),IA de hierro, Ciudad de México, México. 2017 al 2019.
Científico de datos sénior, Grupo de datos Raken, Monterrey, México. 2018 al 2019.
Profesor del curso de ciencia de datos, Afi Escuela de Finanzas, Ciudad de México, México. 2018 al 2019.
Científico de datos principal, OXXO, Monterrey, México. 2018 al 2018.
Científico de datos, Datos y análisis de BBVA, Ciudad de México, México. 2017 al 2018.
Editor en Jefe, Instituto Internacional de Ciencia de Datos, Ciudad de México, México. 2018 al 2018.
Investigador (Big Data para Cosmología),Instituto de Ciencias Nucleares – UNAM, Ciudad de México, México. 2015 al 2017.
Científico de Datos Sénior, Agencia de humor, Maracaibo-Venezuela, Líder Departamento Big Data. 2014 al 2015.
Duración del curso: 60 horas académicas
¿A quién va dirigido el curso?
Este curso está dirigido a profesionales y estudiantes que no tienen experiencia previa en programación y desean adquirir habilidades en Python y análisis de datos aplicados a la industria.
Objetivos del curso
Objetivo general
Equipar a los estudiantes con las habilidades y conocimientos fundamentales en programación Python y análisis de datos para abordar problemas y desafíos específicos de la industria.
Objetivos específicos
1. Introducir a los estudiantes a los conceptos básicos de programación usando Python.
2. Desarrollar habilidades en el manejo y procesamiento de datos.
3. Familiarizar a los estudiantes con herramientas y bibliotecas de análisis de datos en Python, como Pandas y Matplotlib.
4. Presentar aplicaciones prácticas del análisis de datos en contextos industriales.
5. Fomentar el pensamiento crítico y analítico en la resolución de problemas.
Metodología utilizada
1. *Aprendizaje activo:* Se animará a los estudiantes a participar activamente en el proceso de aprendizaje a través de ejercicios prácticos y proyectos reales.
2. *Enfoque basado en proyectos:* Se utilizarán proyectos y ejercicios relacionados con la industria para garantizar la relevancia y la aplicación práctica de los conceptos aprendidos.
3. *Aprendizaje colaborativo:* Se promoverá el trabajo en equipo, permitiendo a los estudiantes aprender unos de otros y abordar problemas más complejos juntos.
4. *Feedback constante:* Se ofrecerán sesiones de revisión y retroalimentación regularmente para asegurar que los estudiantes estén en el camino correcto.
Contenido del curso
1. *Introducción a Python (5 horas)*
– Historia y relevancia de Python
– Configuración del entorno
– Sintaxis básica y estructura de un programa
2. *Conceptos Fundamentales de Programación (10 horas)*
– Variables y tipos de datos
– Operaciones y expresiones
– Control de flujo: condicionales y bucles
3. *Funciones y Modularidad (7 horas)*
– Definición y uso de funciones
– Argumentos y retorno de valores
– Bibliotecas y módulos en Python
4. *Estructuras de Datos (8 horas)*
– Listas, tuplas y diccionarios
– Manejo de conjuntos de datos con estructuras de datos
5. *Introducción al Análisis de Datos (10 horas)*
– Importación y exportación de datos
– Biblioteca Pandas: estructuras DataFrame y Series
– Operaciones básicas con datos: filtrado, clasificación y agregación
6. *Visualización de Datos (7 horas)*
– Introducción a Matplotlib y Seaborn
– Creación de gráficos básicos: histogramas, gráficos de líneas y gráficos de dispersión
7. *Análisis de Datos Aplicado a la Industria (10 horas)*
– Estudios de caso y ejemplos reales
– Proyectos prácticos basados en desafíos de la industria
8. *Introducción a la Automatización y Herramientas Avanzadas (3 horas)*
– Scripts y automatización de tareas repetitivas
– Introducción a herramientas avanzadas: Machine Learning y análisis predictivo en la industria
Valoraciones
No hay valoraciones aún.