PROGRAMA
DE

ESPECIALIZACIÓN
EN
PYTHON
PRESENTACIÓN
Social
Data
Consulting
S.A.C
es
una
empresa
orientada
a
brindar
servicios

de
 capacitación
 y
 consultoría
 en
 herramientas
 analíticas
 y
 metodologías.

Hemos
contribuido
a
desarrollar
analistas
de
datos
en
el
sector
público
y

privado.
Nuestros
 programas
 y
 cursos
 de
 especialización
 se
 caracterizan
 por
 el

método
de
enseñanza
orientado
a
la
resolución
de
casos
reales,
que
final-
mente
contribuyen
a
fortalecer
el
óptimo
aprendizaje
y
a
poner
en
práctica

los
conocimientos
adquiridos.

MISIÓN
Proveer
herramientas
metodológicas,
servicios

de
consultoría
y
capacitaciones
para
que
nues-
tros
clientes
logren
decisiones
exitosas.



VISIÓN
Convertirnos
en
la
empresa
líder
en
capacita-
ciones
 y
 consultorías
 en
 el
 país,
 desarro-
llando
 servicios
 que
 fortalezcan
 los
 conoci-
mientos
 en
 metodologías
 y
 herramientas

analíticas.

SOCIAL
DATA
CONSULTING
PROGRAMA
DE

ESPECIALIZACIÓN
EN

PYTHON
PROGRAMACIÓN
¿A
QUIÉNES
ESTÁ
DIRIGIDO?

INICIO FIN
Sábado Sábado Profesionales
analistas
de
datos,
coordina-
>>
10/04/2021 >>
31/07/2021 dores
de
proyectos,
personal
de
institucio-
nes
 en
 general.
 Profesionales
 de
 áreas
 de

SDC
se
reserva
el
derecho
de
realizar
cambios
en
la
fecha
de
inicio inteligencia
analítica,
investigación
social
y

análisis
de
mercado
público.







































HORARIO
DE
CLASES

Sabatino OBJETIVOS
>>
2:00
p.m.
a
6:00
p.m.
Implementar
modelos
estadísticos,
mine-
ría
de
datos
y
machine
learning
para
aná-
lisis
de
data
estructurada
y
no
estructu-
DURACIÓN rada.

15
sesiones
+
Presentación
>>
100
hrs.
académicas
*4
hrs
de
presentación
+
60
hrs
de
clases
en PERFIL
DEL
EGRESADO
los
3
niveles
+
12
hrs
de
evaluación
=
76
hrs
cronológicas
 que
 hacen
 100
 hrs
 académicas

de
45
min.
Habilidad
 y
 capacidad
 para
 analizar
 datos

mediante
 el
 uso
 de
 metodologías
 Estadís-
ticas
y
de
Machine
Learning.
Desarrollo
de

EVALUACIÓN
ONLINE aptitudes
para
liderar
Proyectos
de
Ciencia

de
 Datos,
 Machine
 Learning
 y
 Estadística

en
general,
mediante
el
lenguaje
de
progra-
Evaluación
al
termino
de mación
 de
 Python.
 Habilidad
 y
 capacidad

cada
nivel. para
 elaborar
 aplicaciones
 en
 dash
 para

modelos
 predictivos.
 
 
 
 
 
 
 
 
 
 
 
 .


ASISTENCIA
PRE
-
REQUISITOS
El
curso
contará
con
un

asistente
especializado. Conocimientos
básicos
de
estadística
descriptiva.

SOCIAL
DATA
CONSULTING
PYTHON

FOR
DATA
SCIENCE
100
horas
académicas
Python
 es
 un
 lenguaje
 de
 programación
 multipropósito

que
ha
adquirido
considerable
popularidad
entre
progra-
madores,
aficionados
y
estudiantes
por
su
alto
nivel
de

expresividad,
sus
códigos
compactos,
su
sencillez
y
su

capacidad
 para
 crear
 tanto
 aplicaciones
 de
 escritorio

con
interfaz
gráfica
de
usuario
como
aplicaciones
web.

Python
tiene
una
cantidad
abrumadora
de
paquetes
que

se
 pueden
 usar
 en
 una
 configuración
 de
 proyecto
 para

análisis
de
datos.
El
 Programa
 de
 Especialización
 combina
 la
 exposición

sobre
algoritmos
estadísticos
y
de
machine
learning
con

la
 implementación
 computacional
 en
 Python.
 El
 alumno

conocerá
 el
 lenguaje
 de
 programación,
 las
 librerías
 y

funciones
 necesarias
 para
 desarrollar
 un
 proyecto
 de

ciencia
 de
 datos
 desde
 la
 importación
 y/o
 conexión
 a

base
de
datos,
pasando
por
tareas
de
análisis
explora-
torio
 de
 datos
 y
 preprocesamiento,
 hasta,
 haciendo

uso
 de
 métricas
 de
 evaluación,
 lograr
 determinar
 el

modelo
 más
 óptimo
 a
 desplegar
 haciendo
 uso
 de
 una

aplicación
elaborada
en
dash.

BENEFICIOS

Clases
En
vivo Laboratorios Discusiones

Clases
en
tiempo
real Laboratorios
con
casos
 Comunicación
plena
entre

aplicados el
docente
y
sus
alumnos


Certificados Docentes Clases
grabadas

De
participación
y
 Con
muchos
años
de
 Podrás
consultar
tus
clases

aprobación experiencia
en
la
docencia
 grabadas
en
la
carpeta

compartida
del
docente

SOCIAL
DATA
CONSULTING
Ahora,
Social
Data
Consulting
será
referencia
en
tu
Curriculum
Vitae.

Culminar
tu
Programa
o
Curso
de
Especialización
exitosamente.

Es
decir,
haber
asistido
a
un
80%
de
las
clases
y
contar
con
una

nota
mínima
de
14
en
promedio
de
las
evaluaciones
realizadas.

Pasado
las
24hrs.
Gerencia
evaluará
y
confirmará
su
solicitud
de

referencia,
proporcionando
todos
los
datos
que
deberá
incluir
en

su
Curriculum
Vitae.

Adicionalmente
a
los
datos
proporcionados
que
incluirá
como
refe-
rencia
en
su
Curriculum
Vitae,
se
emitirá
una
“Constancia
de
Reco-
mendación”
 sobre
 sus
 conocimientos
 en
 la
 herramienta
 que
 haya

cursado
en
Social
Data
Consulting.

La
Gerencia
se
contactará
con
la
institución
a
la
cual
postulas,
para

proporcionar
las
referencias
profesionales
requeridas.
CONTENIDO
MÓDULO
I
PRESENTACIÓN 6.
Limpieza
y
suavizadores
de
datos
Definición
y
arquitectura
de
un
proce- Completar
valores
faltantes,
suavizar
so
 de
 Data
 Mining
 (CRISP-DMI),
 Text datos
ruidosos,
identificar
y
remover
Mining
y
Social
Network
Analysis:
Mo- outliers
delos
analíticos:
supervisados
y
no
su-
pervisados 7.
Tratamiento
de
inconsistencias
y
data
1.
Manejo
Básico
de
Python
I no
balanceada
Python
y
sus
bibliotecas: Tratamiento
de
inconsistencias
Instalación
para
Windows
10, Balanceo
de
datos:
undersampling,
Linux
y
Mac
OS oversampling,
SMOTE
y
resampling
Iniciando
en
la
programación 8.
Discretización
de
datos
de
Python
Discretización
supervisada
(por
Entriopía
2.
Manejo
Básico
de
Python
II y
 ChiMerge)
 y
 no
 supervisada
 (intervalos
Exploración
de
arrays
con
Numpy: de
igual
amplitud
e
intervalos
de
igual
fre-
Creación
de
arrays,
operaciones cuencia)
matemáticas
e
índices 9.
Análisis
de
componentes
principales
3.
Importación
y
conexión
de
base Introducción
a
la
reducción
de
datos
de
datos Introducción
al
análisis
de
componentes

Importación
de
bases
de
datos: principales
JSON,
Excel,
SPSS,
STATA,
DBF, Prueba
de
esfericidad
de
Barlett
TXT,
CSV,
XML)
Estimación
de
los
componente
principales:
Conexión
a
bases
de
datos:
varianza
total
y
varianza
explicada
PostgreSQL,
SQL
Server
y
Oracle
Interpretación
de
los
componentes
princi-
4.
Conexión
con
API pales
Creación
de
API
para
Facebook
y
10.
Análisis
de
factorial
Twitter.
Conexión
y
consultas
a
Facebook Introducción
al
análisis
factorial
y
Twitter
mediante
API Pruebas
estadísticas
preliminares
para
análisis
factorial
5.
Entendimiento
de
datos Modelo
de
análisis
factorial
Variables
e
indicadores,
tipos
de Métodos
de
estimación
y
rotación
de
fac-
datos
y
análisis
exploratorio
datos tores
Interpretación
de
los
factores

MÓDULO
II
1.
Métodos
de
particionamiento
I 2.
Métodos
de
particionamiento
II
Introducción
a
los
métodos
de
par- Métodos
de
partionamiento
alrededor
de

ticionamiento
y
jerárquico Medoides
(PAM),
Clustering
in
Large
Appli-
Medidas
de
similaridad
y
distancia cations
(CLARA)
y
Fuzzy
Analysis
(FANNY)
Métodos
K
-
medias

SOCIAL
DATA
CONSULTING
CONTENIDO
Estableciendo
el
número
óptimo
de
 Supuestos
para
el
modelo
de
regresión

cluster:
suma
de
cuadrados,
silueta
y
 lineal
Calinski. Prueba
de
hipótesis
Modelo
y
estimación
de
coeficientes.
3.
Métodos
jerárquicos
aglomerativos Contraste
de
la
regresión
lineal.
Introducción
a
los
métodos
jerár- Tabla
de
análisis
de
varianza
quicos
7.
Regresión
RANSAC
Métodos
aglomerativos:
AGNES
Tratamiento
de
valores
atípicos
4.
Métodos
jerárquicos
divisivos Modelo
de
regresión
RANSAC
Métodos
divisivos:
DIANA Evaluación
del
modelo
de
regresión
Estableciendo
el
número
óptimo
de 8.
Análisis
Discriminante
Lineal
clúster:
suma
de
cuadrados,
silueta
y
Calinski
y
Harabasz Introducción
al
análisis
discriminante
lineal
(LDA)
5.
Regresión
Lineal
Simple Modelo
y
estimación
de
coeficientes
Supuestos
para
el
modelo
de
regre- Técnica
de
selección
de
variables
(Lambda
sión
lineal de
Wilks
y
tasa
de
acierto)
Prueba
de
hipótesis
Modelo
y
estimación
de
coeficientes 9.
Análisis
Discriminante
Cuadrático
y
Contraste
de
la
regresión
lineal
simple 



Regularizado
Tabla
de
análisis
de
varianza
Análisis
discriminante
cuadrático
(QDA)
6.
Regresión
Lineal
 Análisis
discriminante
regularizado
(RDA)
Introducción
a
la
regresión
lineal
múltiple

MÓDULO
III

1.
Árboles
de
Decisión Medidas
de
evaluación
Algoritmos
para
búsqueda
de

Introducción
a
los
árboles
de

asociaciones:
el
algoritmo
a
priori
clasificación
Medidas
para
la
elección
de
reglas
útiles
Árboles
de
decisión:
Algoritmo
de
 de
asociación
CHAID
y
Cart
Interpretación
de
resultados
Medidas
de
impureza
Significancia
estadística
de
las
reglas
2.
Random
Forest
4.
Naive
Bayes
Bagging
Construcción
de
un
clasificador

Introducción
a
Random
Forest
bayesiano
Estimación
e
interpretación
de
coeficien- Estimador
de
un
clasificador
bayesiano.
tes
3.
Reglas
de
Asociación 5.
Redes
Neuronales
Conceptos:
soporte,
cobertura
y
 Introducción
a
redes
neuronales
artificiales
confianza

SOCIAL
DATA
CONSULTING
CONTENIDO
Funcionamiento
de
una
red
neuronal Construcción
de
corpus
y
pre-procesa-
Paralelización
de
entrenamiento
de
redes miento
de
textos
-

neuronales Topic
Modeling
con
Latent
Dirichlet

Allocation
(LDA)
6.
Máquina
de
Vectores
de
Soporte
Máquina
de
vectores
de
soporte
(SVM) 9.
Twitter
Detectando
comunidades
en
Twitter
7.
Despliegue
de
modelos
Empaquetado
de
hiperparámetros
del
 10.
Facebook
modelo
predictivo
óptimo Enfoque
Word
Score
y
Word
Fish
Construcción
de
aplicaciones
sobre
 Sentiment
Analysis
en
Facebook
modelos
predictivos
en
Dash
Scaling
8.
Introducción
y
Pre-procesamiento
de
textos
Python
for
Text
Mining
and
Social

Network
Analysis

SOCIAL
DATA
CONSULTING
DOCENTE
Prof.
Mtr.
CARLOS
ABEL
ORMEÑO
VENEGAS
Data
Analyst
Specialist

Magister
en
Estadística
Aplicada
con
R
de
la
Universidad
Rey
Juan
Carlos
de
España

(Graduado
con
Distinción
de
Sobresaliente),
Bachiller
en
Ingeniería
Estadística
de
la

Universidad
Nacional
de
Ingeniería
(Graduado
como
décimo
superior
y
1er
puesto
de

la
promoción).
Cuenta
con
especializaciones
en
Business
Analytics
(1er
puesto)
de
la

Universidad
 Nacional
 de
 Ingeniería,
 Business
 Intelligence
 de
 Cibertec
 y
 Social
 Data

Consulting,
Encuestas
por
Muestreo
de
la
Escuela
Nacional
de
Estadística
e
Infor-
mática
 (ENEI),
 Encuestas
 de
 Victimización
 de
 la
 Oficina
 de
 las
 Naciones
 Unidas

contra
las
Drogas
y
el
Delito
(UNODC).


Con
conocimientos
en
Machine
Learning
for
Data
Science,
softwares
Open
Source

para
el
manejo
de
grandes
volúmenes
de
datos
como
R
o
Python;
herramientas
de

Business
Intelligence
Self-
Service
como
Power
BI,
modelamiento
e
implementación

de
 Datos
 con
 SQL
 Sever,
 métodos
 cuantitativos
 para
 el
 Análisis
 de
 Datos
 en
 la

Gestión
Pública
y
Validación
de
Instrumentos
de
Medición
no
Documentales.

Cuenta
con
una
experiencia
general
de
más
de
6
años
tanto
en
el
sector
público

como
 privado,
 desempeñándose
 como
 Especialista
 de
 Datos
 en
 pliegos
 como
 el

Ministerio
del
Interior
o
Analista
de
Datos
en
la
Caja
Municipal
de
Sullana
confor-
mando
 y
 liderando
 equipos
 de
 trabajo
 para
 el
 análisis,
 diseño,
 automatización
 e

implementación
 de
 soluciones
 de
 Business
 Intelligence
 &
 Analytics.
 Manejo
 del

inglés
a
un
nivel
intermedio/avanzado.

Prof.
M.Sc.
(c)
MANUEL
SIGÜEÑAS
Data
Scientist
and
SCRUMStudy
Trainer

Profesor
en
Métodos
Computacionales
y
Estadísticos
con
estudios
de
Maestría
en
Esta-
dística
Aplicada
en
la
Universidad
Nacional
Agraria
La
Molina,
Perú.
Agile
Data
Scientist

y
SCRUMstudy
trainer
certificado.


Ha
sido
profesor
invitado
por
el
Departamento
de
Estadística
e
Informática
de
la
UNALM

para
 dictar
 el
 Curso
 de
 “Text
 Mining”.
 Profesor
 invitado
 para
 formar
 parte
 del
 Curso
 de

Comunicación
Política
en
el
módulo
“Encuestas
Electorales”
organizado
por
ALICE.
Además,

ha
integrado
el
staff
de
profesores
de
la
“Escuela
de
Herramientas
Metodológicas”
organi-
zada
por
ALACIP
en
las
ediciones
de
Uruguay
y
México
dictando
el
curso
“Análisis
Computa-
cional
de
Textos”.


Actualmente,
es
profesor
principal
de
los
Programas
de
Especialización
en
R,
Python
y

Big
Data.
Se
desempeña
como
especialista
en
Big
Data
y
brinda
consultoría
en
Opinión

Pública
y
Metodologías
Cuantitativas
en
Social
Data
Consulting
S.A.C.
Desde
lo
académico,
ha
liderado
investigaciones
en
metodologías
aplicadas
a
Text
Analysis
y

Social
Networks
Analysis
para
el
Fondo
Editorial
de
la
PUCP.
Actualmente
viene
trabajando

en
el
proyecto
“Latin
America
Congress”
en
el
Data
Lab
de
la
PUCP,
espacio
para
desarrollo

de
proyectos
en
ciencia
de
datos.


Posee
diferentes
certificaciones
internacionales,
dentro
de
las
que
podemos
destacar:
Machine
Learning
(UCU),
Metodología
de
Encuestas
(UCU),
Diseños
Experimentales
de

Encuesta
(UCU),
Big
Data
Professional
Certificate
(CertiProf),
Data
Analytics
Certified

Associate
 (DACA)
 Scrum
 Developer
 Certified
 (SDC),
 Scrum
 Master
 Certified
 (SMC),

Scrum
Product
Owner
Certified
(SPOC),
SCRUMstudy
Agile
Master
Certified
(SAMC),

SCRUMstudy
 Certified
 Trainer
 (SCT),
 Scaled
 Scrum
 Master
 Certified,
 entre
 otras.

Cuenta
con
más
de
8
años
de
experiencia
en
proyectos
de
investigación
de
mercados,

data
science
y
Business
Intelligence.

SOCIAL
DATA
CONSULTING
 NUESTRA
AULA
VIRTUAL
Social
Data
Consulting
empleará
Google
Classroom
como
aula
virtual.
Para
poder
acceder
a
ella,
cada
alumno
tendrá
que
tener
una
cuenta
en

Google
(en
este
caso,
Gmail)
para
poder
ingresar.
De
igual
manera,
para

poder
identificarlo
en
Zoom
deberá
vincular
la
misma
cuenta
de
Google

cuando
se
registre
en
dicha
plataforma.

Calendario
 Carpetas
 Recursos

Los
alumnos
sabrán
fácilmente
 Organización
automática Almacenamiento
de
videos,

cuándo
hay
examen
o
en
qué
fecha
 por
tareas
y
estudiantes documentos
y
enlaces
tienen
que
entregar
un
trabajo.

Comunicación
 Entorno
 Entrega
de
trabajos

directa
Entorno
intuitivo,
 Esta
aplicación
facilita
la

Comunicación
directa
 entrega
en
formato
digital

amigable
y
fácilmente
permanente
con
el
docente de
los
trabajos
de
clase
parametrizable

SOCIAL
DATA
CONSULTING
 NUESTRA
PLATAFORMA

Función
de
levantar Chat Escritorio
y
aplicaciones



la
mano compartidos

Los
alumnos
pueden
indicarle
en
 Los
alumnos
podrán
 Los
alumnos
podrán
compartir


caso
de
que
quieran
formular
una
 intercambiar
mensajes,
 una
vista
de
su
escritorio
o
una

pregunta
al
docente
y
se
le
active
 ya
sea
individualmente
 aplicación
concreta
con
los

el
audio
para
que
la
pueda
 (al
docente)
o
con
todos. asistentes.
realizarla.


Múltiple
colaboración Reuniones
seguras Conéctese
desde


y
asistencia
remota cualquier
lugar

Múltiples
alumnos
pueden
compartir
 Cifrado
para
todas
las
reuniones,
 Los
alumnos
pueden
unirse
a
las


sus
pantallas
de
manera
simultánea
 seguridad
del
usuario
basada
en
 sesiones
desde
sus
dispositivos
y
realizar
anotaciones
colaborativas,
 roles,
protección
con
contraseña,
 
Android,
IOS,
Windows
o
MacOS.
además,
el
alumno
puede
ser
asistido
 salas
de
espera
y
la
posibilidad
de

de
forma
remota
por
parte
del
 poner
al
participante
en
espera.
docente.


SOCIAL
DATA
CONSULTING
PROGRAMACIÓN

PRESENTACIÓN 10
de
abril

Sesión
1:
17
de
abril Sesión
2:
24
de
abril

MÓDULO Sesión
3:
08
de
mayo Sesión
4:
15
de
mayo

I
Sesión
5:
22
de
mayo


Sesión
1:
29
de
mayo Sesión
2:
05
de
junio

MÓDULO Sesión
3:
12
de
junio Sesión
4:
19
de
junio

II
Sesión
5:
26
de
junio

Sesión
1:
03
de
julio Sesión
2:
10
de
junio

MÓDULO Sesión
3:
17
de
julio Sesión
4:
24
de
julio

III
Sesión
5:
31
de
julio

CERTIFICACIÓN
Certificado
entregado
a
nombre
de
Social
Data
Consulting
S.A.C.
Empresa
de
capacita-
ción
en
metodologías
y
herramientas
analíticas.
Authorized
Training
Partner
de
VMEdu
Microsoft,
Certiprof
y
ScrumStudy
en
Perú.
Certificado
por
participación
(mín.
80%
de
asist.)
Certificado
de
aprobación
(desarrollar
aplicación
asignada
por
el
docente).

SOCIAL
DATA
CONSULTING
NUESTROS
CLIENTES

NUESTROS
PARTNERS

SOCIAL
DATA
CONSULTING
Psje.
Los
Pinos
156,
Of.
608
Miraflores,
Lima
Central
telefónica:
(01)
309
0307
946
344
583
999
001
462
cursos@socialdata­peru.com
www.socialdata­peru.com/learning