Python Data Science Fundamentalsfor Machine Learning
Python Data Science Fundamentalsfor Machine Learning
Python Data Science Fundamentalsfor Machine Learning
En este curso, obtendrás los conocimientos y habilidades para desarrollar aplicaciones inteligentes
de texto basado en infraestructura de software libre con Python y frameworks NLP de relevancia
para el negocio.
I. DIRIGIDO A
- Profesionales, egresados y estudiantes interesados en implementar visualizaciones impactantes de datos con Python.
II. METODOLOGÍA
- El enfoque práctico-reflexivo de cada una de las sesiones y la participación activa a lo largo de estas favorecerá no solo el aprendizaje de
contenidos, sino también, su aplicación en la resolución de situaciones reales en diferentes contextos que se planteen. Por ello, el curso
considera el desarrollo de laboratorios guiados e individuales, permitiendo la consolidación del aprendizaje del tema.
III. BENEFICIOS
- Máquina virtual con 2.1 Gbps de velocidad navegación disponible para las clases
- Correo institucional
IV. LOGROS DEL CURSO
Al finalizar el curso, serás capaz de desarrollar aplicaciones inteligentes con el lenguaje de programación Python.
V. CERTIFICACIONES
- Al aprobar la capacitación obtendrás un certificado en Python Data Science Fundamentals for Machine
VI. PRERREQUISITOS
CAPACITACIÓN RECOMENDADA
1 2
Python Data Science y Python
• Desarrollo de aplicaciones inteligentes • Data Science
• Sintaxis del lenguaje • Machine Learning y algoritmos
• Tipos de datos • Herramientas de Machine Learning
• Condiciones
• Funciones
• Imports
• Librerías de interés
3
NLP: NLTK y Scikit-Learn
• ¿Qué es NLP?
• Técnicas de NLP
- Tokenization
- POS tagging
- Lemmatization
- Similarity
4
Django Web Framework
• ¿Qué es Django?
• Componentes de Django
- View
- Models con SQLite
- Forms
- Templates
• Frameworks NLP • Django integrando los componentes
- Gensim
- spaCy
• NLTK
- Por qué NLTK
- Limpieza de datos
• Scikit-learn
-Vectorizations
- TD-IDF
- Distancia Coseno
5
Aplicación Inteligente
• Preparación de datos
• Views, formularios
• Base de datos
• Carga de datos
• Pruebas
• Lanzamiento a producción
*Cada hora académica tiene una duración de 45 minutos **Contenido referencial sujeto a cambios