Diplomado en Python y ciencia de datos
Matricúlate ahora y obtén un
20% dto.
(Precio final CLP $1.752.000)
Objetivos
ACLARA TUS DUDAS
Quisimos responder las preguntas que muchos nos hacen a través de este video.

Malla académica
Curso Desarrollo de software con Python
Profesor:
Cristián Ruz, Docteur Université Nice Sophia Antipolis (Francia)
Cristián Ruz, Docteur Université Nice Sophia Antipolis (Francia)
Plan de estudios
Clases en vivo
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.
Trabajos
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.
Contenidos
Estructuras de datos secuenciales: listas, tuplas, colas
- Listas y aplicaciones
- Tuplas y aplicaciones
- Colas y aplicaciones
- Comparación de estructuras secuenciales
Estructuras de datos no secuenciales: diccionarios y sets
- Hash e inmutabilidad
- Sets y aplicaciones
- Diccionarios y aplicaciones
- Comparación de estructuras secuenciales y no secuenciales
Clases, objetos, atributos y métodos
- Clases
- Atributos
- Métodos
- Implementación de clases, objetos, atributos y métodos
Interacción entre objetos
- 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
Uso de módulos y bibliotecas existentes
- Módulos
- Paquetes
- Bibliotecas existentes
- Importación de módulos y paquetes
Definición de un proyecto orientado a objetos
- Definición de un proyecto
- Diseño del proyecto
- Implementación del proyecto
- Ejecución del proyecto completo
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Curso Python y bases de datos
Profesor:
Jaime Navón Cohen, Ph.D University of North Carolina at Chapel Hill (Estados Unidos)
Jaime Navón Cohen, Ph.D University of North Carolina at Chapel Hill (Estados Unidos)
Plan de estudios
Clase en vivo
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.
Trabajo individual
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.
Contenidos
Conceptos fundamentales de bases de datos
- Bases de datos y motores de bases de datos
- Modelos de dato
- El modelo relacional
- Introducción al lenguaje
Interacción con un motor relacional desde un programa Python
- 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 más complejas, transacciones, dataframes
- Consultas que involucran más de una tabla
- La necesidad de transacciones
- Propiedades ACID
- Introducción al uso de dataframes en Pandas
Operadores de agregación y de conjuntos, carga desde archivos y desde una API
- 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 y el motor MongoDB
- Bases de datos NoSQL
- El motor MongoDB
- El formato JSON
- Interacción con MongoDB desde un programa Python
MongoDB desde Python
- Conexión con el motor
- Consultas simples
- Extracción de contenido JSON desde una API
- Procesamiento de contenido JSON en Python
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Curso Introducción a minería de datos y machine learning
Profesor:
Mauricio Arriagada Benítez, Doctor Pontificia Universidad Católica de Chile
Mauricio Arriagada Benítez, Doctor Pontificia Universidad Católica de Chile
Plan de estudios
Clase en vivo
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. Asimismo, para la preparación de set de datos para la reducción de dimensionalidad, y guiar el trabajo en las diferentes técnicas de reglas de asociación, algoritmos de clasificación, clustering y medidas de similaridad.
Trabajo individual
Los alumnos deben aplicar los conocimientos aprendidos en tres trabajos o pequeños proyectos concretos. El último proyecto suele tener 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. Los miniproyectos estarán enfocados en: procesar y consolidar datos aplicando ETL (extracción, transformación y carga de datos); utilizar el algoritmo Random Forest y KNN para dos casos propuestos, y realizar el preprocesamiento de una base de datos propuesta, aplicando dos algoritmos de los vistos en clases para así mostrar sus rendimientos a través de evaluar al clasificador y presentar las métricas, pudiendo establecer una comparación de rendimiento entre los dos algoritmos elegidos.
Contenidos
Conceptos fundamentales de la minería de datos
- Video bienvenida al curso
- Integración de datos, data warehouse
- Selección y transformación de datos
- Install Python Windows
- Install Python MAC OS y Linux
- Ejemplo práctico uso de dataframes
Preparación de datos y reducción de información
- Preparación de datos: normalización, codificación e imputación de datos
- PCA y t-SNE
- ETL
- Ejemplo práctico PCA
- Ejemplo práctico t-SNE
- Ejemplo práctico ETL
Reglas de asociación
- Reglas de asociación: Apriori
- Reglas de asociación: FP-Growth
- Reglas de asociación: ECLAT
- Ejemplo práctico Apriori
- Ejemplo práctico ECLAT
- Ejemplo práctico FP-Growth
Algoritmos de clasificación
- Árboles de decisión
- Random Forest
- KNN y Kd-tree
- Ejemplo práctico árboles de decisión
- Ejemplo práctico Random Forest
- Ejemplo práctico KNN
Algoritmos de clustering y medidas de similaridad
- KMeans
- Clustering jerárquico
- DBSCAN
- Ejemplo práctico KMeans
- Ejemplo práctico clustering jerárquico
- Ejemplo práctico DBSCAN
Selección de modelos e introducción a machine learning
- Introducción a machine learning: modelos supervisados y no supervisados
- Evaluación de clasificadores
- Métricas
- Ejemplo práctico evaluación clasificadores
- Ejemplo práctico métricas
Clase Ejecutiva UC se reserva el derecho a modificar el contenido en cualquier momento.
Jefe de programa

Jaime Navón Cohen
Ph.D University of North Carolina at Chapel Hill (Estados Unidos)
Jaime Navón Cohen es Ph.D Computer Science, University of North Carolina at Chapel Hill (EE.UU.). Además tiene un Master of Science, Technion-Israel Institute of Technology (Israel). Es ingeniero civil electricista, Pontificia Universidad Católica de Chile (UC).
Asimismo, es profesor asociado del Departamento de Ciencia de la Computación de la UC.
Jefe de programa
Profesores

Cristián Ruz
Docteur Université Nice Sophia Antipolis (Francia)
Cristián Ruz es docteur, Université Nice Sophia Antipolis (Francia). También tiene un Magíster en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile (UC). Además, es ingeniero civil en Computación, UC. Actualmente, se desempeña como profesor asistente adjunto del Departamento de Ciencia de la Computación de la UC.

Jaime Navón Cohen
Ph.D University of North Carolina at Chapel Hill (Estados Unidos)
Jaime Navón Cohen es Ph.D Computer Science, University of North Carolina at Chapel Hill (EE.UU.). Además tiene un Master of Science, Technion-Israel Institute of Technology (Israel). Es ingeniero civil electricista, Pontificia Universidad Católica de Chile (UC). Asimismo, es profesor asociado del Departamento de Ciencia de la Computación de la UC.
Jefe de programa

Mauricio Arriagada Benítez
Doctor Pontificia Universidad Católica de Chile
Mauricio Arriagada Benítez es doctor y máster en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile (UC). También es ingeniero civil en Computación e Informática, Universidad de Tarapacá (Chile). Asimismo, tiene un Master in Computer Science, University of Northern Iowa (EE.UU.), y un Máster en Ingeniería de Software, Universidad de Tarapacá (Chile).
Ventajas


