Contenido del bootcampPython para Data ScienceTe familiarizarás con los conceptos y herramientas fundamentales del data science y adquirirás los conocimientos de programación con Python esenciales para empezar con el bootcamp.Durante el precurso aprenderás los fundamentos del lenguaje, las estructuras de programación, y el uso de distintas librerías, que te permitirán abordar el resto del programa. También comenzarás a utilizar el sistema de control de versiones GIT.Data AnalysisTe convertirás en un Data Analyst que será capaz de acceder a datos, explorarlos y prepararlos, y visualizarlos con diferentes herramientas, para sacar conclusiones sobre los datos.Comenzarás aprendiendo librerías como Numpy y Pandas, que te permitirán analizar y modificar los datos, y explorar sus características. Además te familiarizaras con los conceptos estadísticos que te ayudarán a interpretar y también modificar los datos. Posteriormente visualizarás esos datos con librerías de Python como Matplotlib y Seaborn, y herramientas de Business Intelligence como Power BI o Tableau. Al final del módulo abordarás un proyecto de Análisis Exploratorio de Datos (EDA) en el que accederás a datos utilizando SQL y/o APIs, e incluso obteniéndolos con Web Scraping. Realizarás el análisis y extraerás conclusiones sobre los mismos y lo expondrás utilizando capacidades de visualización y storytelling, y herramientas de BI como PowerBi o Tableau y librerías como StreamlitMachine Learning EngineeringConstruirás diferentes modelos de Machine Learning y Deep Learning para resolver problemas complejos utilizando los datos, para convertirte en un ML Engineer.Comenzarás aprendiendo las técnicas de Machine Learning “tradicional” para resolver problemas de regresión y clasificación. Comprenderás los fundamentos del aprendizaje supervisado y no supervisado, y aplicarás diferentes tipos de modelos como SVMs, Arboles de Decisión, KNN, XG Boost. Además aplicarás tus conocimientos de estadística para la preparación y transformación de los datos, prepararlos y generar los datasets adecuados. Todas estas tareas las realizarás utilizando sklearn. Después comenzarás a trabajar con otro tipo de datos no estructurados como imágenes, o lenguaje, a los que se aplicarán las técnicas de Deep Learning, para lo que aprenderás a utilizar Keras y Tensorflow. Al final del módulo serás capaz de crear pipelines de tratamiento y análisis de los datos, abordando problemas de diferente índole: análisis de datos estructurados, imágenes y Reconocimiento de Lenguaje natural (NLP) o Series Temporales entre otros.Productización y NegocioAprenderás a implantar tus modelos en entornos productivos y de cloud, y los fundamentos para transmitir los resultados de los mismos al negocio.En este módulo aprenderás los fundamentos de los entornos en la nube, y cuáles son las mejores alternativas. Además aprenderás a Cloud con AWS, y serás capaz de poner en producción tus modelos creando APIs, y utilizando frameworks como Flask. También pondrás en práctica tus conocimientos para acceder y manejar bases de datos, y verás herramientas de Big Data como Spark. Al final del módulo serás capaz de desplegar un modelo en un entorno productivo que hará uso de los modelos y librerías de ML y Deep Learning, y tendrás las bases de tu portfolio de Data Scientist.
