-
Docentes: Sebastián Flores & Alonso Ogueda
-
Ayudantes: Alberto Rubio
-
Repositorio Código: Asignatura
-
Licencia: MIT
-
Módulo 1 - Introducción: Planificación del curso, reglas, herramientas, setup, consejos y otros temas introductorios.
-
Clase 01: ¿Qué aprenderemos en el curso? ¿Cómo lo aprenderemos? ¿Porqué lo aprenderemos?
-
Clase 02: ¿Qué herramientas utilizaremos en el curso? Consejos de instalación de conda, jupyter notebook/lab, python y librerías.
-
Clase 03: ¿Cómo es trabajar en el "mundo real"™? Consejos para encontrar y mantener un buen trabajo/práctica y sobrevivir en el intento.
-
Clase 04: Sesión práctica sobre pandas.
-
Tarea 01: Información, bits y contexto: ocultando mensajes en imágenes
-
-
Módulo 2 - Análisis de datos: Tipos de datos, obtención de datos, detección de errores, análisis.
-
Clase 05: Técnicas y Consejos para un estudio preliminar de un problema: educated guessing, análisis dimensional, teorema Pi.
-
Clase 06: Sobre datos tabulares: etiqueta, pivotear y despivotear.
-
Clase 07: Sobre formato de datos y SQL.
-
Clase 08: Sobre formatos de archivos de datos y APIs.
-
Clase 10: Consejos para análisis de datos.
-
Tarea 02: Evolución de medios de almacenamiento, Street Fighting Math meets Feynman y Análisis de Datos de otra dimensión.
-
-
Módulo 3 - Visualización: Teoría y herramientas útiles para la correcta exposición de datos y resultados.
-
Clase 11: Landscape. Panorama actual de las visualizaciones y por donde comenzar.
-
Clase 12: Teoría. Una buena visualización dista de ser una tarea trivial.
-
Clase 13: Visualización Declarativa. Introducción a la librería Altair
-
Clase 14: Visualización para Bussines Intelligence. Una mirada a Power BI.
-
-
Módulo 4 - Data Science: Obtener conocimiento a través de los datos, predecir valores. Darle valor a los datos.
-
Clase 15: Introducción modelamiento y machine learning.
-
Clase 16: Holdout Set y Cross Validation.
-
Clase 17: Regresión Lineal.
-
Clase 18: Clasificación.
-
Clase 19: Laboratorio de Clasificación.
-
Clase 20: Clustering.
-
Clase 21: Laboratorio de Clustering.
-
Tarea 03: Visualización y Machine Learning en el conjunto de datos Gapminder.
-
-
Módulo 5 - Proyecto: .
- Clase 22: Presentación del Proyecto
