$ - Ecuador 
$COP - Colombia 
$MXN - México 
$CLP - Chile 
$ARS - Argentina 
🎯 Objetivos del Curso
✅ Introducir a los participantes en el campo de la ciencia de datos, abarcando desde la recolección y limpieza de datos hasta su análisis e interpretación.
✅ Aplicar técnicas básicas de estadística y programación para resolver problemas reales utilizando datos.
Horarios
Inicio de clases
Duración: 12 h
sabado y domingo, 26-Oct- O8-Nov
10:00 – 13:00
S/280.00
Data Science desde Cero
Temario
⏳ Duración total: 12 horas
📌 Modalidad: Teórico-práctico ( Clases en Vivo)
Módulo 1: Introducción a la Ciencia de Datos
Conceptos Fundamentales:
Definición y alcance de la ciencia de datos.
Importancia y aplicaciones en diversos sectores.
Diferencias entre datos, información y conocimiento.
Ciclo de Vida de los Datos:
Recolección, almacenamiento, procesamiento, análisis y visualización.
Roles y responsabilidades en un equipo de ciencia de datos.
Módulo 2: Fundamentos de Programación para Ciencia de Datos
Introducción a Python:
Sintaxis básica y estructuras de control.
Manejo de listas, diccionarios y funciones.
Herramientas Esenciales:
Uso de Jupyter Notebooks para proyectos de ciencia de datos.
Módulo 3: Manejo y Limpieza de Datos
Bibliotecas para Manipulación de Datos:
Introducción a Pandas para la gestión de datos tabulares.
Limpieza de Datos:
Identificación y manejo de valores faltantes y duplicados.
Transformación y normalización de datos.
Módulo 4: Análisis Exploratorio de Datos
Estadística Descriptiva:
Cálculo de medidas de tendencia central y dispersión.
Visualización de Datos:
Creación de gráficos básicos con Matplotlib y Seaborn.
Interpretación de patrones y relaciones en los datos.
Módulo 5: Introducción al Aprendizaje Automático
Conceptos Básicos:
Definición de machine learning y sus categorías principales: supervisado y no supervisado.
Modelos Simples:
Implementación de regresión lineal y clasificación básica.
Evaluación de modelos utilizando métricas estándar
Módulo 6: Aplicaciones Prácticas y Ética en Ciencia de Datos
Proyectos Aplicados:
Desarrollo de un proyecto integrador que abarque desde la recolección hasta el análisis de datos.
Consideraciones Éticas:
Privacidad de los datos y sesgos en modelos predictivos.
Responsabilidad social del científico de datos.