Competitividad empresarial y organizacional

En vivo

Diplomado Ciencia de Datos con Python

Activo

Solicita información de tu programa:

Formato de nombre incorrecto

Formato de apellidos incorrecto

Formato de número incorrecto

Formato de celular incorrecto

Formato de correo incorrecto

Escoger la ciudad de la lista

protegido por reCAPTCHA

Detalles del programa

*La Universidad se reserva el derecho de cambio en los facilitadores , contenidos y fechas programadas.
*Se dará apertura a la actividad cuando se complete el cupo mínimo.
*El certificado se obtiene con el 80% de asistencia del total de horas del programa académico.

¿Por qué tomar el diplomado?

Este diplomado de Ciencia de Datos con Python ofrece una formación integral de 80 horas que combina fundamentos de programación, análisis de datos, machine learning y deep learning. Prepara a los participantes para transformar información en conocimiento útil, aplicable en múltiples industrias, impulsando innovación, eficiencia y toma de decisiones estratégicas.

Curso. Seminario

Habilidades vas a adquirir

• Programar en Python aplicando buenas prácticas y estructuras de datos eficientes.
• Manipular, limpiar y transformar conjuntos de datos con librerías especializadas.
• Diseñar, entrenar y evaluar modelos de machine learning supervisados y no supervisados.
• Implementar arquitecturas de deep learning y procesamiento de lenguaje natural.
• Desplegar soluciones de ciencia de datos considerando MLOps, ética e interpretabilidad.

Dirigido a

El diplomado “Ciencia de Datos con Python” está dirigido a estudiantes y profesionales de ingeniería, matemáticas, estadística, economía, informática y áreas afines, así como a analistas, programadores y técnicos que deseen ampliar sus competencias en análisis de datos, machine learning y deep learning. También es ideal para profesionales de distintos sectores interesados en aplicar la ciencia de datos a la toma de decisiones estratégicas y la innovación tecnológica. Como prerrequisitos, se recomienda contar con conocimientos básicos de programación, fundamentos de álgebra y estadística descriptiva, manejo elemental de herramientas digitales y disposición para el aprendizaje práctico mediante proyectos y resolución de problemas.

Metodología

La metodología del diplomado será 100% online con sesiones sincrónicas, fomentando la interacción directa entre instructor y participantes. Cada clase combinará exposición teórica con demostraciones prácticas en tiempo real, utilizando entornos colaborativos como Google Colab. Los estudiantes desarrollarán ejercicios guiados y proyectos aplicados para consolidar el aprendizaje. Se promoverá la participación activa mediante resolución de problemas, discusión de casos y retroalimentación continua. Además, se integrarán recursos complementarios como repositorios de código, lecturas y actividades autónomas, asegurando un aprendizaje práctico y progresivo orientado a la aplicación inmediata de los conceptos en proyectos de ciencia de datos reales.

Requisitos

Equipo:
Computador al menos Doble núcleo de 2GHz o superior con mínimo (4 GB Ram como mínimo) (i3/i5/i7 o equivalente AMD) o Dispositivo Móvil (Mínimo: I-Phone 5S / Android 4G de RAM, 32G almacenamiento).
Webcam.
Micrófono.
Parlantes.

Software:
Cisco webex meet(se recomienda descargar e instalar el software en su PC para mejor desempeño). Dependiendo del sistema de su celular descargue la APP desde Android o iOS

Conectividad:
Mínimo 10 Mbps.
Pruébelo con el siguiente test: https://www.testdevelocidad.es/

Docentes

Andrés Mauricio González Vargas
Doctor en Ingeniería Informática

Carlos Andrés Delgado Saavedra
Ingeniero de Sistemas y Electrónico, magíster en Ingeniería y Educación

Oscar Andrés Jiménez Villanueva
Ingeniero Biomédico especializado en ciencia de datos

Karen Gisel Arcila Mejía
Ingeniera Biomédica especialista en Analítica de Big Data y joven investigadora UAO.

 

 

Plan de estudios

Módulo I Fundamentos de programación en Python para ciencia de datos
  • Fundamentos de Python

  • Entorno y Tipos de Datos

  • Módulos math y random

  • Estructuras de Datos

  • Control de Flujo (Decisiones)

  • Control de Flujo (Repeticiones)

  • Funciones y Manejo de Errores

  • NumPy y SciPy

  • Pandas para Manipulación de Datos

  • Visualización con Matplotlib y Seaborn

Módulo II Gestión, procesamiento y exploración de datos
  • Introducción y Roles de Datos

  • Tipos y Fuentes de Datos

  • Bases de Datos Relacionales

  • Bases de Datos NoSQL y Almacenamiento Moderno

  • Procesos ETL y ELT

  • Transformación y Limpieza de Datos

  • Análisis Exploratorio de Datos (EDA)

  • Herramientas de Profiling

Módulo III Modelado predictivo y algoritmos de Machine Learning
  • Fundamentos del Aprendizaje Supervisado

  • Generalización, Overfitting y Underfitting

  • Métricas de Rendimiento y Evaluación de Modelos

  • Modelos de K-Vecinos más Cercanos (KNN)

  • Modelos Lineales para Regresión y Clasificación

  • Procesamiento y Preprocesamiento de Características

  • Árboles de Decisión y Bosques Aleatorios

  • Redes Neuronales Artificiales y Deep Learning

  • Aprendizaje no Supervisado (Clustering)

  • Evaluación y Mejora de Modelos

Módulo IV Deep Learning, despliegue y aplicaciones avanzadas en ciencia de datos
  • Fundamentos de Deep Learning con TensorFlow y PyTorch.

  • Arquitecturas como CNNs para visión y RNNs para secuencias.

  • Visión general de Transformers y sus aplicaciones.

  • Procesamiento de Lenguaje Natural, incluyendo tokenización y embeddings.

  • Análisis de sentimientos y clasificación de textos.

  • Creación de pipelines de Machine Learning usando MLflow.

  • Despliegue de modelos en la nube.

  • Buenas prácticas de versionado y monitoreo de modelos.

  • Ética en IA, abordando sesgos e interpretabilidad.

Universidad Autónoma de Occidente
#SomosUAO

Conoce nuestro proceso de inscripción

Proceso de inscripción programas en vivo
  • 1 form

    Diligencia el formulario con tus datos

  • 2 price

    Elige tu forma de pago

  • 3 check-email

    Revisa en tu correo eletrónico el proceso de matrícula

  • 4 dates

    Consulta la fecha y hora de tu clase en tu correo electrónico

Estamos en inscripciones
Dirección de Extensión
  • Teléfono

    PBX: (602) 3188000 Ext. 14113

  • WhatsApp

    Educación continua: +57 318 732 2271

    Posgrados: +57 318 451 3323

  • Correo electrónico

  • Ubicación en Campus

    Cll 25 # 115-85 Km 2 Vía Cali - Jamundi

  • Horario de Atención

    Lunes a viernes de 8:00 a. m. a 5:30 p. m.

¿Tienes algo qué contarnos?

Cuéntanos completando el siguiente formulario.

Formato de nombre incorrecto

Formato de nombre incorrecto

protegido por reCAPTCHA