La asignatura tiene como objetivo proporcionar a los estudiantes las competencias y destrezas básicas necesarias para desempeñarse como Data Scientist utilizando el lenguaje de programación Python.
- Fundamentos de Cálculo y Álgebra.
- Conceptos básicos de Probabilidad y Estadística.
- Conocimientos en Optimización.
- Familiaridad con el lenguaje de programación Python.
El curso se organiza en torno a los siguientes temas principales:
- Toolkit Básico: Introducción a las herramientas esenciales para el análisis de datos.
- Manipulación de Datos: Técnicas para la manipulación eficiente de conjuntos de datos.
- Visualización: Métodos para visualizar datos de manera efectiva.
- Machine Learning: Introducción a los conceptos básicos y aplicaciones del aprendizaje automático.
-
Texto Guía:
- Python Data Science Handbook - Jake VanderPlas
-
Complementaria/Opcional:
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow - Aurélien Géron
- Data Science from Scratch - Joel Grus
- Python for Data Analysis - Wes McKinney
- Semanal.
- Individual.
- Notas: 0, 25, 50, 75, 100.
- Plazo: final del día de clases.
- Entregas fuera del plazo tienen nota cero (0).
- Mensual.
- Individual.
- Plazo:
-
$T_1$ : xx de Septiembre 20XX. -
$T_2$ : xx de Diciembre 20XX.
-
- Entregas fuera del plazo descuentan 25 puntos por día (parte entera).
- Por ejemplo, un retraso de 15 minutos cuenta como un día y descuenta 25 puntos.
- Semestral.
- Plazo: final del curso (xx de Diciembre 20XX).
- Grupal: máximo 4 integrantes.
- Entregas fuera del plazo descuentan 25 puntos por día (parte entera).
La nota final será el promedio ponderado entre los laboratorios, tareas y el proyecto final del curso.
¡Importante!: Todos los entregables se deben subir al repositorio personal del estudiante (en GitHub). Las notas se trataran de actualizar al final de cada mes.