PYTHON AVANZADO | Ciencia de Datos | Especialización

Porcentaje de Subsidio TAE: 80%

Fecha de Inicio del Curso: 19 de junio del 2023 
Fecha de Finalización del Curso: 24 de agosto del 2023

Capacitador: Universidad Marista de Guadalajara

Duración: 60 hrs/20 sesiones

Modalidad: virtual
Días de Sesiones: lunes y jueves
Horario: 18:00 a 21:00 hrs

En este curso aprenderás:

• Introducir a los asistentes en la programación declarativa y estructurada de Python.
• Desarrollar los conocimientos necesarios acerca de la implementación y su aplicación práctica.
• Instruirles en el lenguaje de programación Python en proyectos reales, la preparación y tareas relacionadas necesarias y el diseño de sistemas completos de ML en producción utilizando Scikit-learn y otras paqueterías comunes, así como su implementación algorítmica con Python.

Prerrequisitos:

• Conocimiento en programación estructurada.
• Manejo de python Básico.

Temario:

1. Introducción a Python 

• Tipos y Estructuras de Datos Básicas
• Estructuras de control, comparaciones, condicionales y bucles
• Funciones
• Acceso a Ficheros
• DocStrings
• Virtual Environments
• Análisis de Rendimiento
• Estructuras de datos avanzadas, Built-In, mapas, HashTables, Arrays, Lists, Sets, Stacks, Queues, Heaps, Trees, Graphs
• Algoritmos, Divide & Conquer, Recursion, Backtracking, Tree Traversal, Sorting, Searching, A*, Analysis, Big O
• Programación Orientada a Objetos, Clases, Instancias, Métodos, Herencia, Polimorfismo, Overloading, métodos Estáticos, de Clase, Decoradores, Metaclases, Serialización
• Ingeniería de Software, Arquitectura, Clean Code, Craftmanship, Patrones de diseño (creacionales, estructurales, de comportamiento)
• Testing, Test Design Development, Testing Unitario, Testing Funcional, Fixtures, PyTest, Dobles
• Gestión de proyectos, agile, scrum, eXtreme programming

2. Programación Avanzada 

• Programación funcional, funciones puras, estructuras de datos inmutables, lazy evaluation, recursión
• Módulos, paquetes, namespaces, uso del sistema (Paths, Shell, Variables de entorno, Sys, Os)
• Control de errores y excepciones
• Expresiones regulares
• Concurrencia, programación asincrona, corutinas, hilos, sincronización, bloqueos, intercomunicación, datos compartidos, Pools, Executors, paralelismo de procesos
• Programación distribuida, cliente/servidor, multinivel, aplicaciones distribuidas (Celery), objetos remotos (Pyro4), Cloud Computing (PythonAnywhere), Serverless Computing, Heterogeneous Computing (Cuda, OpenCL)
• Interfaces de usuario, Widgets, Comandos, Callbacks, tkinter, Qt
• Desarrollo de videojuegos, PyGame
• Redes e Internet, Sockets, Clients, Servers, HTTP, Email, FTP, WebServer, Web Scraping
• Programación web en Backend, Django, Heroku
• Programación web en Frontend, JavaScript, DOM+HTML+CSS, React
• Interop con C, C++ y Java
• Automatización de tareas, redimensionamiento/conversión de imágenes, Selenium, automatización de GUI (PyAutoGUI)

3. Bases de Datos

• Almacenamiento de datos, persistencia, sistemas de ficheros, cache
• Bases de datos relacionales, modelo entidad relación, diseño
• SQL y Python, SQLite, SQL DDL, SQL DML, Acceso a Datos desde Python (PySQLite), Object Relational Mapping (SQLAlchemy)
• Bases de datos NoSQL, MongoDB, PyMongo
• Bases de datos distribuidas, Cassandra, CQL, clusters
• Migración, conversión e integración de datos
• Warehousing de datos, OLAP, cubos
• Big Data, Hadoop y HDFS

4. Ciencia de Datos e Inteligencia Artificial

• Análisis de datos, extracción, preparación, exploración y visualización de datos, modelado predictivo (Clasificación, Regresión, Clustering), validación del modelo, análisis cuantitativo y cualitativo
• NumPy, NdArray, operaciones, funciones matemáticas, estadística descriptiva, algebra lineal, Filtros, agregación, broadcasting, vectorización, números aleatorios, ficheros
• Pandas, series, DataFrames, index, operaciones, indexing, slicing, búsquedas, ordenación, ranking, mapping, estadística descriptiva, agregación, pivot, correlaciones, covarianzas, ficheros
• Visualización de datos, matplotlib, dataFrame graphics, seaborn, relaciones de variables, distribuciones, correlaciones
• Ciencia de datos, Join, Merge, tratamiento de strings, transformación de datos, Calidad de datos, limpieza, duplicados, discretización
• Machine Learning, Scikit Learn, aprendizaje supervisado/no supervisado, Conjuntos de entrenamiento/Tests, PCA, clasificación, K-Nearest, SVM, regresión lineal, modelos lineales
• Deep Learning, redes neuronales, computación paralela en la GPU, TensorFlow, Capa Simple, capa multiple
• Reconocimiento de escritura OCR, de texto (NLTK), de Imágenes (OpenCV)

Requisitos para subsidio TAE/COECYTJAL (a entregar en liga de registro):

• Identificación oficial vigente (INE, Pasaporte)
• CURP
• Carta compromiso
• Carta agradecimiento