Este documento presenta el plan de estudios del Curso Big Data/Ciencia de Datos de Codo a Codo 4.0 para 2022. El curso consta de dos módulos. El Módulo I introduce conceptos básicos como introducción a datos, análisis de datos, lógica, algoritmos, bases de datos, SQL, bases de datos no relacionales y business intelligence. El Módulo II se enfoca en programación en Python, bases de datos en Python, estadística y librerías de Python para análisis de datos. El curso concluye con
0 calificaciones0% encontró este documento útil (0 votos)
392 vistas2 páginas
Este documento presenta el plan de estudios del Curso Big Data/Ciencia de Datos de Codo a Codo 4.0 para 2022. El curso consta de dos módulos. El Módulo I introduce conceptos básicos como introducción a datos, análisis de datos, lógica, algoritmos, bases de datos, SQL, bases de datos no relacionales y business intelligence. El Módulo II se enfoca en programación en Python, bases de datos en Python, estadística y librerías de Python para análisis de datos. El curso concluye con
Este documento presenta el plan de estudios del Curso Big Data/Ciencia de Datos de Codo a Codo 4.0 para 2022. El curso consta de dos módulos. El Módulo I introduce conceptos básicos como introducción a datos, análisis de datos, lógica, algoritmos, bases de datos, SQL, bases de datos no relacionales y business intelligence. El Módulo II se enfoca en programación en Python, bases de datos en Python, estadística y librerías de Python para análisis de datos. El curso concluye con
Este documento presenta el plan de estudios del Curso Big Data/Ciencia de Datos de Codo a Codo 4.0 para 2022. El curso consta de dos módulos. El Módulo I introduce conceptos básicos como introducción a datos, análisis de datos, lógica, algoritmos, bases de datos, SQL, bases de datos no relacionales y business intelligence. El Módulo II se enfoca en programación en Python, bases de datos en Python, estadística y librerías de Python para análisis de datos. El curso concluye con
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 2
Codo a Codo 4.
0 – 2022 Plan de estudios – Curso Big Data/Ciencia de Datos MÓDULO I 1 Introducción 1.1 Presentación ¿Qué es Codo a Codo? Información sobre el programa, modalidad del curso, recursos para los alumnos. Consejos para una buena cursada.
1.2 Conceptos generales de Análisis de Datos y Big Data
Conceptos: datos, información, conocimiento. Qué son, para qué se utilizan. Preguntas que responden los datos. Profesionales en Big Data. Historia. ¿Cómo y para qué se usa el Big Data? Las 7 V. Big Data para entender el Futuro. Fuentes internas y externas para recolección de datos. KDD. Minería de datos.
1.3 Lógica Fundamentos de lógica para programadores. Proposiciones, tablas de verdad.
1.4 Algoritmos ¿Qué son, cómo diseñarlos y representarlos? Diagramas de Flujo. Introducción a conceptos y herramientas de programación.
2 Bases de Datos 2.1 Conceptos ¿Qué es una base de datos? Clasificación y usos. Normalización y estructura. Herramientas de trabajo para gestión de bases de datos relacionales.
2.2 SQL El lenguaje para las bases de datos relacionales.
2.3 Bases de Datos no relacionales
Diferencias con las BBDD relacionales. Tecnologías. 3 Business Intelligence Cómo analizar efectivamente la información para la toma de decisiones. Stakeholders, buenas prácticas, áreas de oportunidad de negocio. Importancia de la visualización de datos y storytelling. Ética profesional en el manejo de datos.
4 Planillas de cálculo para Análisis de Datos
Fórmulas básicas y herramientas que las planillas de cálculo nos ofrecen para análisis y visualización de datos. Fórmulas avanzadas. Contenidos y formatos condicionales. Tablas dinámicas. Gráficas. Macros.
5 Informes y dashboards: Google Data Studio
Cómo procesar grandes volúmenes de datos. Conectar con fuentes de datos. Dashboards vs informes. Trabajo práctico 1: crear un dashboard en GDS a partir de diversas fuentes de datos.
MÓDULO II 6 Programación en Python Aprenderemos a programar en Python. Variables, operadores, estructuras de control de flujo. Tipos de datos primitivos y compuestos. Métodos, paquetes y funciones. Introducción a la Programación orientada a objetos en Python: Clases, métodos. Configuración de entornos de trabajo orientados a pequeños y grandes volúmenes de datos. Entornos virtuales y Jupiter Notebooks (Google Colaboratory y Deepnote).
7 Bases de datos en Python
Conexión a bases de datos SQL con Python. GUI. Proyecto CRUD.
8 Estadística Medidas de tendencia central y medidas de dispersión. Varianza. Desviación standard. Exploración visual de los datos.
9 Librerías Python para análisis de datos
Librerías de Python específicas para operaciones matemáticas y tratamiento de datos: Numpy, Pandas, Matplotlib, Seaborn. Trabajo Práctico final integrador: Creación de un informe profesional con datos reales que dé respuestas a preguntas de nivel gerencial.
