Se realizan tres clases en vivo. La primera como ayuda para el primer proyecto de programación con estructuras de datos secuenciales y no secuenciales. La segunda, para apoyar el segundo proyecto acerca de programación orientada a objetos. Y la tercera, como ayuda para el proyecto final. Durante las clases en vivo los estudiantes pueden resolver dudas prácticas respecto a la materia y sus proyectos.

Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos. El primero relacionado con el uso de estructuras secuenciales y no secuenciales. El segundo, con programación orientada a objetos. El último proyecto tiene características integradoras y, por lo tanto, es un poco más largo y completo que los anteriores. Aun cuando el trabajo se entrega en forma individual y no grupal, los alumnos pueden conversar y discutir sobre sus ideas de soluciones con sus compañeros, antes de desarrollar y entregar el proyecto. La evaluación se complementa, además, con cuestionarios de alternativas que miden comprensión sobre los conceptos de cada semana.

• Listas y aplicaciones
• Tuplas y aplicaciones
• Colas y aplicaciones
• Comparación de estructuras secuenciales

• Hash e inmutabilidad
• Sets y aplicaciones
• Diccionarios y aplicaciones
• Comparación de estructuras secuenciales y no secuenciales

• Clases
• Atributos
• Métodos
• Implementación de clases, objetos, atributos y métodos

• Programa que usa un objeto de una clase
• Programa con objetos que contienen estructuras de datos
• Programa con objetos que interactúan con otros objetos
• Herencia

• Módulos
• Paquetes
• Bibliotecas existentes
• Importación de módulos y paquetes

• Definición de un proyecto
• Diseño del proyecto
• Implementación del proyecto
• Ejecución del proyecto completo

Un profesor ayudante interactúa directamente con un grupo reducido de participantes para ayudar a resolver problemas técnicos remanentes, como por ejemplo, la correcta instalación de herramientas de software y el uso apropiado de algunas herramientas, además de apoyar el desarrollo de casos de estudio. Con estos últimos, se busca que los alumnos se vean enfrentados a situaciones más cercanas a la realidad, recorriendo las distintas etapas de los proyectos de machine learning.

Los alumnos deben aplicar los conocimientos aprendidos en tres pequeños proyectos cuyo objetivo es reforzar el aprendizaje teórico de las clases lectivas. El primer proyecto se focaliza en aplicar herramientas de preprocesamiento y visualización de datos. Los siguientes tienen características integradoras de preprocesamiento y aplicación de modelos de machine learning tanto en su versión supervisada como no supervisada.  Aun cuando el trabajo se entrega en forma individual y no grupal, los alumnos pueden conversar y discutir sobre sus ideas de soluciones con sus compañeros, antes de desarrollar y entregar el proyecto.

• Definiciones básicas
• Tipos de aprendizaje de máquina
• Python
• Ecosistema Python para machine learning

• Tipos de variables
• Análisis descriptivo de variables
• Transformación de variables
• Imputación de variables
• Visualización de variables

• Regresión lineal
• Regresión logística
• Regresiones polinomiales
• Regresiones con penalización

• Evaluación de clasificadores
• Naive Bayes
• Árboles de decisión
• Random forest

• Tecnologías de Python para deep learning
• Introducción a las redes neuronales
• Redes convolucionales
• Redes recurrentes

• K-means
• Mezcla gaussianas
• Cluster jerárquico
• Autoencoders

Un profesor ayudante interactúa directamente con un grupo reducido de participantes para ayudar a resolver problemas técnicos remanentes, como por ejemplo, la correcta instalación de herramientas de software, la forma correcta del uso de algunas herramientas, etc. Entre los posibles temas a tratar en esta sesión se encuentran: instalación de Django en PyCharm, creación de un proyecto Django, uso de Django Shell y la instalación de librerías (requests, REST Framework, otras).

Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos. El último proyecto tendrá características integradoras y, por lo tanto, es un poco más largo y completo que los anteriores. Aun cuando el trabajo se entrega en forma individual y no grupal, los alumnos pueden conversar y discutir sobre sus ideas de soluciones con sus compañeros, antes de desarrollar y entregar el proyecto. La descripción de los proyectos es la siguiente:

Miniproyecto 1: Páginas estáticas en Django

1. Crear una página estática usando HTML y CSS
2. Servir la página usando Django
3. Mostrar contenido dinámico usando Django templates

Miniproyecto 2: Modelos, views y templates en Django

1. Crear dos modelos
2. Crear formularios para los modelos
3. Mostrar listas de los modelos y sus relaciones

Miniproyecto 3: Javascript y REST en Django

1. Exponer modelos en una API REST usando Django REST Framework
2. Publicar documentación automática
3. Conectarse a una API REST y mostrar los resultados
4. Agregar validación y procesamiento en el cliente con JavaScript

• ¿Qué es la web?
• El protocolo HTTP
• Estructura de las páginas con HTML
• Estilo de las páginas con CSS

• Arquitectura MVC/T de una aplicación web
• Introducción a Django
• Instalación de Django
• Creación de un proyecto Django
• El archivo settings

• Modelos y migraciones
• Views
• Templates
• Forms
• Admins

• Routing
• Django shell
• El lenguaje Javascript
• Javascript y la web: Manipulación del DOM y eventos
• Javascript en Django: Un ejemplo de validación en el cliente

• Introducción a las API REST
• Obtener información desde una API
• Modificar información a través de una API
• Setup para consumir una API
• Setup de Django REST Framework

• Serializers
• Viewsets y paginación
• Routing de la API
• Probando nuestra API y documentación automática
• Consumiendo nuestra API para mejorar la aplicación

Un profesor ayudante interactúa directamente con un grupo reducido de participantes para ayudar a resolver problemas técnicos remanentes, como por ejemplo, la correcta instalación de herramientas de software, la forma correcta del uso de algunas herramientas, etc.

Los participantes deben aplicar los conocimientos aprendidos en tres trabajos o miniproyectos concretos. El primer trabajo (miniproyecto 1) consiste en construir una base de datos a partir de data en formato csv y luego escribir un programa Python que se conecte con dicha base de datos para agregar nuevas filas y formular algunas consultas simples. En el segundo (miniproyecto 2), se trabaja con un dataset más complejo que da origen a una BD con varias tablas y, además, de interactuar desde Python en forma simple, se usa la librería Pandas. En el tercer trabajo (miniproyecto 3), la data debe obtenerse desde una API JSON y se debe escribir un programa Python que cargue esa información en un motor MongoDB para luego hacer consultas sobre él.

• Bases de datos y motores de bases de datos
• Modelos de dato
• El modelo relacional
• Introducción al lenguaje

• El lenguaje standard SQL
• Interactuando con el motor: SQL desde el workbench
• Conexión con el motor desde un programa Python
• Creación, eliminación y consultas

• Consultas que involucran más de una tabla
• La necesidad de transacciones
• Propiedades ACID
• Introducción al uso de dataframes en Pandas

• Operadores de conjunto
• Operadores de agregación
• Carga y procesamiento en Python de información en formato csv
• Carga y procesamiento en Python de información que viene de una API

• Bases de datos NoSQL
• El motor MongoDB
• El formato JSON
• Interacción con MongoDB desde un programa Python

• Conexión con el motor
• Consultas simples
• Extracción de contenido JSON desde una API
• Procesamiento de contenido JSON en Python