Python Expert

Profesionales con experiencia que se desarrollan en áreas de Inteligencia de Negocios, TI, Data, Marketing, Planeamiento, Analytics u otras áreas relacionadas con el análisis de datos en el sector público y/o privado.
Dirigido a profesionales y/o estudiantes de últimos ciclos sin experiencia en el desarrollo e implementación de proyectos de análisis de datos con enfoque en el negocio.

• Certificado a nombre de Academia SAP con código de validación internacional en físico y digital en Python.
• Introducción a SQL Server + certificado
• Conferencia de empleabilidad + certificado
• Introducción a Power BI + certificado
• Curso + certificado de Gestión de Proyectos con metodogías ágiles con SCRUM Fundamentos
• Clases 100% prácticas y dinámicas con casos reales del día a día con Python.
• Material digital del curso.
• Soporte en todas las clases.
• Especialización desde cualquier lugar del mundo a tiempo real.
• Instructor/Consultor Senior Certificados oficial por Microsoft.
• Facilidades de Pago.
  • Bolsa de trabajo.

MÓDULO 1
INTRODUCCIÓN AL ANÁLISIS DE DATOS

• La era de los datos, evolución del valor de los datos.
• Tipos de análisis de datos.
• ¿Que es Data Science? Aplicaciones y conceptos principales.
• Definición de la variable de estudio o target.
• Fases de un proyecto analítico.
• Herramientas y tecnologías más utilizadas.

MÓDULO 2
FUNDAMENTOS DE PROGRAMACIÓN CON PYTHON

• Definición y manejo de variables.
• Uso y manejo del ambiente Python en Google Colab.
• Funciones y estructuras iterativas.
• Manipulación de datos con Pandas.
• Caso práctico.

MÓDULO 3
ESTADÍSTICA PARA ANÁLISIS DE DATOS

• Origen, definición y ramas de la estadística.
• Tipos de datos (Cualitativos y cuantitativos).
• Medidas de tendencia de posición (tendencia central y no central) y dispersión.
• Diagrama de Cajas, Correlación y Covarianza.
• Gráficos estadísticos para variables cuantitativas y cualitativas.
• Caso práctico.

MÓDULO 4
ANÁLISIS EXPLORATORIO Y VISUALIZACIÓN DE DATOS

• Definición y objetivos del análisis exploratorio.
• Relaciones entre variables. Detección de outliers.
• Manejo de datos. Análisis de valores atípicos. Detección de patrones.
• Visualización de datos con Matplotlib y Seaborn.
• Caso práctico.

MÓDULO 5
PREPARACIÓN Y TRANSFORMACIÓN DE DATOS

• Manejo y limpieza de datos.
• Técnicas de tratamiento mediante funciones lineales y no lineales.
• Generación de nuevas variables adecuadas al negocio.
• Imputación de datos mediante técnicas univariados y multivariadas.
• Caso práctico.

MÓDULO 6
BALANCEO DE DATOS Y ALGORITMOS NO SUPERVISADOS

• Definición e Importancia.
• Agrupación y Reducción de Dimensiones.
• Muestreo. Partición train-test-validación.
• Técnicas estadísticas: K Means, DB Scan, PCA.
• Técnicas de balanceo de datos: Undersampling, Oversampling, SMOTE

MÓDULO 7
MACHINE LEARNING: ALGORITMOS SUPERVISADOS

• Entendiendo los métodos supervisados.
• Algoritmos de Clasificación: Árbol de decisión, Regresión Logística,Random Forest, SVM, XGBoost, Light GBM.
• Algoritmos de Regresión: Regresión Lineal y Múltiple, Random
• Forest, SVM, Rige, Lasso.
• Comparación entre modelos .

MÓDULO 8
EVALUACIÓN E IMPLEMENTACIÓN DE MODELOS ANALITICOS

• Técnicas de validación de modelo.
• Matriz de confusión, Accuracy, Precisión, Recall, F1 Score.
• Búsqueda de recomendaciones óptimas para la toma de decisiones.
• KPI’s de Negocio.
• Implementación de Modelos Analíticos.
• Taller de presentaciones efectivas.