fbpx
HACER ESTE CURSO
  • $224.00 $112.00
    S/ 405.44
  • 10 Días

Python es un lenguaje de scripting independiente de plataforma y orientado a objetos, preparado para realizar cualquier tipo de programa, desde aplicaciones Windows a servidores de red o incluso, páginas web. Es un lenguaje interpretado, lo que significa que no se necesita compilar el código fuente para poder ejecutarlo, lo que ofrece ventajas como la rapidez de desarrollo e inconvenientes como una menor velocidad

Python es un lenguaje de scripting independiente de plataforma y orientado a objetos, preparado para realizar cualquier tipo de programa, desde aplicaciones Windows a servidores de red o incluso, páginas web. Es un lenguaje interpretado, lo que significa que no se necesita compilar el código fuente para poder ejecutarlo, lo que ofrece ventajas como la rapidez de desarrollo e inconvenientes como una menor velocidad

Profesionales, estudiantes e interesados en Dominar la analítica de datos con Python para enfrentar los desafios del análisis de datos del mundo real en empresas de diferentes sectores.

Instructor Consultor Senior Certificado, con años de experiencia.

  • Certificado a nombre de Nextech con código de validación
  • internacional en físico y digital en Python.
  • Dashboards en Excel + certificado (2 Horas)
  • Conferencia de empleabilidad + certificado (1 Hora)
  • Introducción a Power BI + certificado (conferencia de 2 horas)
  • Curso + certificado de Gestión de Proyectos con metodogías ágiles con SCRUM Fundamentos
  • Clases 100% prácticas y dinámicas con casos reales del día a día con Python.
  • Material digital del curso.
  • Soporte en todas las clases.
  • Especialización desde cualquier lugar del mundo a tiempo real.
  • Horarios flexibles.
  • Instructor/Consultor Senior Certificados oficial por Microsoft.
  • Facilidades de Pago.
  • Bolsa de trabajo.

MÓDULO 1
Fundamentos de programación en Python

Primer tema: Fundamentos Básicos

  • Introducción
  • Definiciones Principales (técnicas)
  • Máquina virtual: Virtual Box.
  • Entornos de desarrollo integrados (IDE): Jupyter.
  • Instalando Anaconda y Python.
  • Importancia de la minería de datos
  • Historia del análisis estadístico.
  • La importancia del Big Data.
  • Evolución de los programas.
  • Modelos supervisados.
  • Modelos no supervisados
  • Text Mining.vvText Grupal.
  • Segundo Tema: Comandos Básicos de Python
  • Tipos de Datos
  • Operadores aritméticos
  • Operadores lógicos
  • Operadores asignación
  • Funciones
  • Listas
  • Tuplas
  • Diccionarios
  • Data
  • Frames
  • Estructura de control
  • Sentencias: FROM E IMPORT
  • Librerías gráficas
  • Programación orientada a objetos
  • Clases
  • Caso práctico
  • Tercer Tema: Tratamiento de Datos
  • Tratamiento de inconsistencias y datos no balanceados
  • Importancia de Pandas
  • Importando datos de Json, Excel, Stata, Dbf, Txt, csv, xml
  • Tratamiento de inconsistencias y datos no balanceados
  • El undersampling y el oversampling
  • Resampling con Smote-Tomek
  • Caso práctico

MÓDULO 2
Técnicas de autocorrelación y regresión de datos

Segundo tema: Trabajando con la dimensionalidad de datos

  • Análisis de componentes principales
  • Escalado de variables
  • Normalizado de variables
  • Uso de scikit-learn
  • Análisis factorial
  • Tratamiento de valores atípicos
  • Caso práctico
  • Segundo Tema: Análisis de conglomerados
  • Agrupamiento por k-medias
  • Agrupamientocon métodos jerárquicos
  • Localización de regiones de alta densidad a través de DBSCAN
  • Métodos jerárquicos
  • Caso práctico

Tercer Tema: Modelo de regresión lineal

  • Multicolinealidad
  • Quiebre Estructural
  • Linealidad
  • Heterocedasticidad
  • Autocorrelación
  • Normalidad
  • Caso práctico

Cuarto Tema: Modelo bivariante

  • Importar y procesar los datos
  • Construir los datos de entrenamiento y de prueba
  • Balanceo de datos
  • Regresión logística
  • Caso práctico

MÓDULO 3
Técnicas de análisis discriminante, supervisada y árboles de decisión

Primer tema: Modelo de Discriminante Lineal (LDA)

  • Análisis de discriminante de Fisher
  • Clasificación
  • Caso práctico

Segundo Tema: Análisis Discriminante Cuadrático (QDA)

  • Discriminante cuadrático
  • Clasificación
  • Fronteras de decisión en QDA I.
  • Estimación de parámetros en QDA I.
  • Caso práctico

Tercer Tema: Comprensión de datos supervisada mediante análisis discriminante lineal

  • Importación de datos
  • Estandarización de datos
  • Matrices de dispersión
  • Seleccionar discriminantes lineales para el nuevo subespacio de características
  • Proyección de muestras en el nuevo espacio de características
  • Caso práctico

Cuarto Tema: Árboles de decisión

  • Construcción
  • Múltiples árboles de decisión
  • Especificación y selección de atributos
  • Medidas de Impureza
  • Random Forest con H2O
  • Caso práctico

MÓDULO 4
Técnicas de extracción, preparación, visualización y análisis
de datos locales y cloud

Primer tema: Reglas de asociación

  • Analítica descriptiva
  • Confianza y soporte
  • Implementación de las reglas de asociación
  • Caso práctico

Segundo Tema: Naive Bayes

  • Construcción de un clasificador
  • Bayesiano
  • Terminología
  • Cálculo de probabilidad a posteriori
  • Estimador de un clasificador Bayesiano
  • Estimador Naive Bayes I.
  • Cálculo de las probabilidades condicionales
  • Predicción
  • Caso práctico

Tercer Tema: Web Scraping

  • Web Scraping u sando Beautiful Soup Manipulación de datos y Depuración
  • Análisis d e Datos y Visualización de resultados mediante Power BI
  • Caso práctico

Consulta el inicio de clases:

Contenido del Curso

Plan de estudios no encontrado !

Reseñas del Curso

N.A.

reseñas
  • 5 estrellas0
  • 4 estrellas0
  • 3 estrellas0
  • 2 estrellas0
  • 1 estrellas0

No se encontraron reseñas para este curso.

HACER ESTE CURSO
  • $224.00 $112.00
    S/ 405.44
  • 10 Días
0 ALUMNOS MATRICULADOS

    Categoría de Cursos

    Nextech © Todos los Derechos Reservados.