Diplomado en Python y Ciencia de Datos

Este Diplomado en Python y ciencia de datos entrega sólidas competencias en el uso del lenguaje Python, en especial en aplicaciones para extraer y analizar datos.

Contáctenme

Diplomado en Python y Ciencia de Datos



* El inicio de clases puede estar sujeto a cambio
(*) Requerido
Debe seleccionar al menos un producto
(*) Requerido
Debe seleccionar al menos un producto
(*) Requerido
Debe elegir al menos un curso y/o diplomado

Gracias, pronto nos contactaremos con usted

Ha ocurrido un error, intente más tarde

Quiénes Somos

La Clase Ejecutiva de la Pontificia Universidad Católica de Chile tiene como misión perfeccionar profesionalmente a quienes se encuentran en la constante búsqueda de conocimientos en un mundo de cambios, donde la ciencia y la tecnología avanzan aceleradamente. Nuestros programas de diplomados y cursos responden a las necesidades de perfeccionamiento y desarrollo de cada persona, y entregan conocimientos, habilidades y herramientas UC que quedan para toda la vida. Esto con la mayor flexibilidad, de modo que los alumnos puedan realizar la mayor parte del trabajo exigido en los tiempos que tienen disponibles.

Descripción

Python es el equivalente a la navaja suiza de los profesionales que deben trabajar con datos.  La versatilidad del lenguaje Python combinada con la existencia de librerías que permiten interactuar con bases de datos de todo tipo y sacar partido de estos datos para encontrar patrones o predecir lo que sucederá en el futuro, lo han convertido en una herramienta indispensable para los profesionales que deben trabajar con datos.

Este Diplomado en Python y ciencia de datos entrega sólidas competencias en el uso del lenguaje Python, en especial en aplicaciones para extraer y analizar datos. El programa consta de dos cursos orientados a generar competencias de programación en el lenguaje Python, y dos cursos orientados a aprender a utilizar este lenguaje y las librerías asociadas para interactuar con bases de datos para extraer información y luego analizarla usando técnicas y algoritmos de ciencia de datos y machine learning.

Objetivos

Escribir programas de mediana complejidad usando el lenguaje Python.

Interactuar con un motor de bases datos desde un programa Python.

Diseñar y construir soluciones de ciencia de datos y machine learning usando las librerías disponibles en Python.

Dirigido a

Todas las personas que necesiten o estén interesadas en adquirir las habilidades para aplicar técnicas de ciencia de datos a su trabajo y en aprender a programar usando el lenguaje Python y aplicarlo a la extracción y análisis de datos.

Metodología 100% Online

Aprendizaje interactivo

Contamos con una plataforma interactiva que te permitirá participar de las clases en vivo, interactuar en foros con tus compañeros de clase y acceder a los contenidos de cada curso en cualquier momento, adaptándose a tus necesidades.

Material de estudio

Desde el inicio de tu programa online, tendrás acceso al material de estudio necesario para cada clase. Podrás acceder en cualquier momento y en cualquier lugar a tus clases online, papers, videos y otros recursos.

Clases en Vivo

Cada curso está organizado en 6 a 8 clases online y una clase en vivo, transmitida vía streaming, realizada por nuestros tutores. En esta clase podrás interactuar, realizar preguntas y comentar a tus compañeros de clase.

Acompañamiento de tutores

En cada curso tendrás un tutor académico quien resolverá tus dudas planteadas en la plataforma online. Además las coordinadoras académicas resolverán tus consultas administrativas a través del correo alumnosuc@claseejecutiva.cl

Contenidos




Herramientas Básicas de Programación en Python
Profesor:  

Felipe López Rojas , Magíster en Ciencias de la Ingeniería mención Ciencias de la Computación

Jaime Navón Cohen , Ph.D. Computer Science, University of North Carolina at Chapel Hill

Módulo 1: Introducción a la programación
  • Motivación
    • De los datos a la información
    • Datos, información y programación ¿Cómo conviven hoy estos elementos en el mundo laboral?
    • ¿Qué es la programación?
    • Aplicaciones prácticas
    • La programación en el mundo laboral y cómo debe convertirse en un hábito
  • Secuencias de comandos en Python
  • Operaciones básicas
  • Creación y asignación de variables
  • Operaciones lógicas
Módulo 2: Control de Flujo
  • Control de Flujo:
    • If
    • Else
    • Elif
    • Uso en conjunto
  • Ciclos:
    • While
    • For
Módulo 3: Tipos de datos y funciones
  • Tipos de datos: Enteros, decimales, textos y listas.
  • “Strings”
    • ¿Qué es un string?
    • Funciones básicas de un string
    • Funciones avanzadas de un string
  • Funciones
    • ¿Qué es una función?
    • ¿Por qué ocupar funciones?
    • Declaración y uso de funciones
  • Listas
    • Creación de listas
    • Obtener elementos
    • Añadir elementos o quitar elementos
    • Operaciones sobre listas
Módulo 4: Procesamiento de datos
  • Listas de listas
  • Archivos
    • Cómo se interactúa con archivos y para qué sirven
    • Leer archivos
    • Escribir archivos
  • Procesamiento de datos
    • Carga masiva
    • Edición masiva
    • Ejemplos prácticos
Módulo 5: Diccionarios y tuplas
  • Listas y listas de listas
  • Manipulación de listas
  • Funciones sobre listas
  • Diccionarios
  • Operaciones sobre diccionarios
  • Aplicaciones de diccionarios
  • Aplicaciones con listas y diccionarios
  • Tuplas como tipo de dato inmutable
  • Operaciones sobre tuplas
  • Combinando listas, tuplas y diccionarios
Módulo 6: Funciones
  • Concepto de función
  • Definición de funciones
  • Parámetros y valores de retorno
  • Importación y llamado de módulos
  • Invocación de funciones y scope
  • Parámetros con nombre y parámetros por defecto
  • Funciones recursivas
  • Aplicación de funciones

Desarrollo de Software con Python
Profesor:  

Cristián Ruz , Docteur, Université Nice Sophia Antipolis

Clase 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.

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

Python y Bases de Datos
Profesor:  

Jaime Navón Cohen , Ph.D. Computer Science, University of North Carolina at Chapel Hill

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 alumnos 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 carge esa información en un motor MongoDB para luego hacer consultas sobre él.

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

Introducción a Minería de Datos y Machine Learning
Profesor:  

Mauricio Arriagada Benítez , Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile

Clases 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.

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

Profesores

Cristián Ruz

Docteur, Université Nice Sophia Antipolis

Docteur, Université Nice Sophia Antipolis, Magister en Ciencias de la Ingeniería, Pontificia Universidad Católica de Chile, Ingeniero Civil en Computación, Pontificia Universidad Católica de Chile. Profesor asistente adjunto del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.

Felipe López Rojas

Magíster en Ciencias de la Ingeniería mención Ciencias de la Computación

Ingeniero Civil Industrial en Tecnologías de la Información, Magíster en Ciencias de la Ingeniería mención Ciencias de la Computación. Actualmente alumno de Doctorado en Ciencias de la Ingeniería mención Ciencias de la Computación.

Jaime Navón Cohen

Ph.D. Computer Science, University of North Carolina at Chapel Hill

Ph.D. Computer Science, University of North Carolina at Chapel Hill. Master of Science, Technion-Israel Institute of Technology. Ingeniero Civil Electricista, Pontificia Universidad Católica de Chile. Profesor asociado del Departamento de Ciencia de la Computación, Pontificia Universidad Católica de Chile.

Mauricio Arriagada Benítez

Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile

Doctor en Ciencia de la Ingeniería, Pontificia Universidad Católica de Chile, Master en Ciencias de la Ingeniería de la Pontificia Universidad Católica de Chile, Ingeniero Civil en Computación e Informática, Universidad de Tarapacá – Chile. Master in Computer Science, University of Northern Iowa – USA. Master en Ingeniería de Software, Universidad de Tarapacá – Chile. Director Magister en Procesamiento y Gestión de Información (MPGI) UC.

Ventajas

Prestigio UC

La Pontificia Universidad Católica de Chile posee más de 120 años educando y formando a los líderes de nuestro país. El prestigio UC es reconocido esencialmente por la calidad de sus docentes como por su excelente sistema de enseñanza, los cuales la han transformado en la universidad número uno del país y la mejor universidad de habla hispana en Latinoamérica.

Profesores de Clase Mundial

Nuestro proceso educativo es apoyado y guiado por la excelencia, el sello y el prestigio de los académicos de la Pontificia Universidad Católica de Chile, formados en las mejores universidades a nivel mundial.

Moderno modelo pedagógico

Contamos con una plataforma interactiva, con la última tecnología en educación a distancia, que te permitirá vivir la experiencia del aprendizaje en línea: Acceso a clases en vivo y constante interacción en foros, con académicos y tutores.

Flexibilidad

Tenemos diversos programas académicos que impartimos con un exclusivo e innovador sistema de aprendizaje, enfocado en la flexibilidad y adaptado a tus necesidades de tiempo y espacio, permitiendo que puedas estudiar donde quieras y cuando quieras.

Programas online

Somos un programa de perfeccionamiento profesional 100% online creado por la Pontificia Universidad Católica de Chile, orientado a actualizar tus conocimientos y entregarte nuevas herramientas y habilidades que te permitirán mejorar, ampliar e incluso transformar tu carrera profesional.

Requisitos de Postulación

Para postular a un programa de la Clase Ejecutiva UC debes cumplir alguno de estos requisitos:

  • Título profesional universitario.
  • Título de egresado de instituto profesional o centro de formación técnica.
  • Conocimientos equivalentes en el área del programa al que está postulando.



Inversión

Precios

Precio:
$1.890.000 CLP

Medios de pagos Chile

  • 12 cuotas tarjeta de crédito sin interés para nuestros Diplomados y 3 cuotas tarjeta de crédito sin interés para nuestros cursos. En caso de existir interés, este será generado específicamente por su Banco y no por Clase Ejecutiva UC
  • Transferencia bancaria

Descuentos

  • 5% Pago contado (efectivo o transferencia) (*)
  • 10% Ex-alumnos (*)
  • 10% 3 matriculados o más (*)

 

(*) No acumulables

Medios de pagos Internacional

  • Pago al contado a través de transferencia bancaria
  • Pago en cuotas para nuestros Diplomados a través de Cuponera electrónica (*)
  • Pago a través de Paypal

 

(*) Cuponera electrónica: Sistema de pago en cuotas, sin interés.

 

Clase Ejecutiva UC

CERTIFICADOS APOSTILLADOS

Una de las características más importantes de los títulos emitidos por la Pontificia Universidad Católica de Chile es que pueden ser apostillados gracias al Convenio de la Apostilla de la Haya. La Apostilla es una certificación única que permite agilizar el proceso de acreditación y certificación de títulos o documentos extranjeros en algún país miembro del Convenio de la Apostilla. Los documentos emitidos en Chile para ser utilizados en un país miembro del Convenio de la Apostilla que hayan sido certificados mediante una Apostilla, deberán ser reconocidos en cualquier otro país del convenio sin necesidad de otro tipo de certificación. Más información sobre el proceso de Apostilla en http://apostilla.gob.cl

Un día en la Clase Ejecutiva