CURSO PYTHON AVANZADO Y MACHINE LEARNING

Módulo 1. Instalación, colecciones python, funciones y clases
– Instalación de Anaconda
– Descripción de Jupyter Notebook
– Descripción de Pycharm
– Colecciones Python
– Definición de funciones y clases

Módulo 2. Matrices con numpy, introducción a pandas
– Definición y operaciones de arrays numpy
– Definición de  Series y DataFrame pandas
– Estadísticos descriptivos y sumarios
– Carga y guardado de tablas

Módulo 3. Tablas con pandas 
– Mezclas de tablas
– Transformaciones, variables dummy
– Limpieza
– Agregaciones y operaciones de grupos
– Tablas pivotales y de frecuencia

Módulo 4. Representación visual y eda
– Series temporales, ventanas móviles y formatos de fecha
– Ingeniería de atributos
– Representación con Seaborn
– EDA sobre tabla

Módulo 5. Aprendizaje automático: supervisado regresión
– Conceptos aprendizaje automático
– Introducción a scikit learn
– Regresión lineal
– Métricas evaluadoras
– Pipelines

Módulo 6. Aprendizaje automático: regularización y validación
– Regularización de modelos de aprendizaje automático
– Sesgo y varianza. Sobreajuste e infraajuste
– Validación cruzada
– Análisis de correlación e ingeniería de atributos explícita para el modelo

Módulo 7. Aprendizaje automático: supervisado clasificación
– Regresión logística
– Métricas de clasificación. Matriz de confusión
– Árboles de decisión
– Gbms con catboost

Módulo 8. Taller de aprendizaje supervisado, serialización y servicio
– Ejecución por grupos de un modelo de clasificación
– Serialización y creación de una mini-aplicación http para desplegar el modelo

Módulo 9. Aprendizaje automático no supervisado
– Clustering
– Reducción de dimensionalidad
– Detección de anomalías

Módulo 10. Modelado de dato textual
– Tokenización
– Topic modeling
– Clasificación de texto