¿Qué quieres aprender?

Data Science

Data Science

Power By The Bridge

Curso presencial

Madrid


Precio a consultar

¿Te has preguntado nunca cómo Netflix recomienda tus peliculas favoritas? ¿Cómo Google Maps

predice la ruta más corta? o ¿cómo Amazon predice cuando vas a realizar la siguiente compra?

Todas estas empresas se fundamentan en la ciencia de los datos. Es decir, en la capacidad de

capturar, procesar, almacenar, analizar y productivizar resultados.

El bootcamp de data science de Bridge Academy proporcionar los conocimientos necesarios para

convertirse en un científico de datos

¿Quieres hablar con un asesor sobre este curso?

Sedes

Localización

Fecha inicio

Madrid
Octubre 2019

Objetivos

• Introducir los conceptos fundamentales en ciencia de datos • Introducir las herramientas básicas en ciencia de datos • Familiarizarse con los lenguajes pilares para el análisis de datos Conocer los diferentes tipos de aprendizaje existentes • Comprender en qué consiste el aprendizaje supervisado • Conocer los casos de uso en los que se puede usar el aprendizaje supervisado • Aprender algunos de los algoritmos más relevantes en el contexto de aprendizaje supervisado

A quién va dirigido

Los bootcamps de The Bridge van dirigidos a cualquier personas que quiera darle un giro a su vida y enfocarla a lo digital. Recién graduados de secundaria o universidad que quieran iniciar una carrera relacionada con la tecnología; ingenieros que quieran desarrollar su carrera en proyectos en otras áreas de la tecnología; si quieres cambiar de profesión o estás desempleado y quieres acceder a una de las profesiones con más futuro, menos desempleo y mejor salario de entrada; o si simplemente quieres ampliar tus conocimientos más techies.

Requisitos

Hay dos requisitos fundamentales: por un lado tener 18 años cumplidos a la fecha de finalización del programa y, por otro, superar el proceso de admisión (test + entrevista).

Temario completo de este curso

• Estadística fundamental
• Programación básica Python
• Introducción a Python para Data Science
• Programación básica R
• SQL básico
• Introducción a SQL para Data Science
• Joining data in SQL
• Uso de terminal (Unix)
• Data Science en línea de coman
dos
• Control de versiones con Git
Distintos formatos de ficheros de datos: - CSV, TSV, TXT y EXCEL - JSON - XML
• Encodings - Python (AST) - Tratamiento de fechas
• Fuentes de datos - Open Data - Acceso a APIs (Requests) - Scraping (BeautifulSoup, rvest)
• Bases de datos: - SQL (jdbc, odbc, drivers… dbi. SQL) - noSQL (qué son, conexión via dataframes)
Nociones de estadística descriptiva - Valores promedio - Medidas de dispersión
• Inferencia Estadística
• Técnicas de muestreo
• Detección de anomalías
• Prácticas de exploratorio con datos categóricos y numéricos.
• Utilización de distintas herramientas - Python (Terminal, Spyder, Jupyter) - R/Rstudio - igML (https://bigml.com/education/)
• Librerías para modelado de datos: - Numpy y pandas - tidyverse - caret
• Balanceo de muestras
• Tipos de datos no estructurados - Natural Language Processing Enfoques lingüístico y estadístico Expresiones regulares en Unix, Python y R Spacy y NLTK - Social Network Analysis Teoría de grafos Medidas de centralidad Networkx
• Herramientas: Python, R
Formato de series temporales
• Descomposición de series temporales - Tendencia - Estacionalidad - Componente irregular / Ruido.
• Tipos de series temporales y modelado
• Modelo ARIMA
• Herramientas: Python, R
• Modelos no supervisados - Clustering Interpretabilidad Medidas de distancia K-means Jerárquico DBSCAN - Association rules Apriori - Dimensionality Reduction PCA LDA
• Herramientas: R, Python
• Productización de ciencia de datos
• De la prueba de concepto/prototipado a la productización
• Herramientas - Pickle - AWS - Docker - Spark
Ver más