Ciencia de Datos

Temática
Programación, Ciencia
Modalidad
Presencial
Nivel
Intermedio
Ciencia de Datos

Sobre este curso

Este curso brinda una formación integral en Ciencia de Datos utilizando Python, cubriendo desde el manejo y transformación de datos hasta los fundamentos de Machine Learning. A lo largo del programa, los estudiantes trabajarán con herramientas clave como NumPy, Pandas, Matplotlib, Seaborn y Scikit-learn, aplicando técnicas de análisis estadístico, visualización y modelado predictivo.

El recorrido incluye limpieza y exploración de datos (EDA), pruebas de hipótesis, regresión, clasificación, árboles de decisión, clustering y reducción de dimensionalidad. El enfoque es práctico y orientado a proyectos, permitiendo desarrollar habilidades aplicables a problemas reales de análisis y modelado de datos.

Ideal para quienes ya poseen conocimientos básicos de Python y desean dar el siguiente paso hacia el análisis avanzado y el Machine Learning.

Programa

Curso: Ciencia de Datos con Python
Módulo 1: Herramientas fundamentales (6 temas - 12 horas)
Tema 1 - NumPy avanzado y álgebra lineal
- Arrays multidimensionales
- Broadcasting y operaciones vectorizadas
- Álgebra lineal básica (dot product, matrices)
- Performance: NumPy vs Python puro

Tema 2 - Pandas: DataFrames fundamentales
- Series y DataFrames en profundidad
- Indexing avanzado (loc, iloc, boolean indexing)
- Operaciones básicas (select, filter, sort)
- Información del dataset (info, describe, dtypes)

Tema 3 - Pandas: Limpieza de datos
- Detección y manejo de valores faltantes
- Duplicados y outliers
- Conversión de tipos de datos
- Renombrar y reorganizar columnas

Tema 4 - Pandas: Transformación y agregación
- GroupBy operations
- Pivot tables y crosstabs
- Merge, join, concatenate
- Apply y transform

Tema 5 - Visualización con Matplotlib
- Anatomía de una figura matplotlib
- Plots básicos: line, scatter, bar, histogram
- Subplots y layouts
- Customización (colores, etiquetas, leyendas)

Tema 6 - Visualización con Seaborn
- Ventajas de Seaborn sobre Matplotlib
- Plots estadísticos: boxplot, violinplot, heatmap
- Pairplots y distribuciones
- Estilos y temas


Módulo 2: Estadística y análisis (4 temas - 8 horas)
Tema 7 - Estadística descriptiva
- Medidas de tendencia central y dispersión
- Distribuciones de probabilidad
- Correlación y covarianza
- Tests de normalidad

Tema 8 - Probabilidad y distribuciones
- Distribuciones comunes (normal, binomial, Poisson)
- Teorema del límite central
- Intervalos de confianza
- Simulaciones con NumPy

Tema 9 - Pruebas de hipótesis
- Hipótesis nula y alternativa
- P-values y significancia estadística
- T-tests, chi-cuadrado
- SciPy.stats para tests

Tema 10 - Análisis exploratorio de datos (EDA)
- Metodología completa de EDA
- Feature engineering básico
- Detección de patrones y anomalías
- Storytelling con datos


Módulo 3: Machine Learning fundamentos (6 temas - 12 horas)
Tema 11 - Introducción a Machine Learning
- Tipos de ML: supervisado, no supervisado, refuerzo
- Scikit-learn: estructura y API
- Train/test split y validación cruzada
- Métricas de evaluación básicas

Tema 12 - Regresión lineal
- Teoría: función de costo, gradient descent
- Regresión lineal simple y múltiple
- Regularización (Ridge, Lasso)
- Evaluación: R², MSE, MAE

Tema 13 - Regresión logística y clasificación
- Clasificación binaria y multiclase
- Regresión logística
- Métricas: accuracy, precision, recall, F1
- Matriz de confusión y curvas ROC

Tema 14 - Árboles de decisión y Random Forest
- Teoría de árboles de decisión
- Overfitting y poda
- Random Forest y ensemble methods
- Feature importance

Tema 15 - Clustering y reducción de dimensionalidad
- K-means clustering
- Hierarchical clustering
- PCA (Principal Component Analysis)
- t-SNE para visualización

Docente

  • Martín Nardelli

    Data Scientist

Otros cursos como este