Ventajas de nuestra formación
Acceso al curso las 24 hs. Todos los días de la semana
Contenidos didácticos de calidad
Calendario flexible
Profesores especializados
Curso acreditado por FUNDAE
Aula virtual accesible para PCs, notebook, tablet y smartphone
Opción a disponer de asistencia de profesor o sólo acceso a contenidos (autoestudio)
Nos ocupamos de toda la gestión de su bonificación
Diploma acreditativo de CIBERAULA
Calendario: Flexible.
Fecha disponible: Inmediata.
Porcentaje de Bonificación: 100%
Diploma acreditativo emitido por FUNDAE.
Certificado acreditativo para concursos y oposiciones.
Temario Personalizado.
Este curso está diseñado para profesionales y entusiastas de la ciencia de datos que buscan perfeccionar su habilidad en el análisis, manipulación y visualización de datos, así como en la creación de modelos de aprendizaje automático con Python. Los participantes deben tener un conocimiento previo sobre programación y estar familiarizados con los fundamentos de Python para obtener el máximo provecho de este programa. Este curso es especialmente relevante para aquellos que desean profundizar en las herramientas y técnicas de la ciencia de datos, como Jupyter Notebooks, pandas y scikit-learn, y buscan aplicar metodologías científicas para resolver problemas reales del negocio, desde el descubrimiento de tendencias en datos hasta la implementación de soluciones predictivas basadas en Machine Learning. |
La duración del curso de Analizando datos con Python es de 50 horas,
acreditadas en el Diploma del mismo. Fecha de inicio: Se puede determinar libremente, teniendo en cuenta que en cursos bonificados de formación contínua debe notificarse a FUNDAE con al menos 3 días naturales de antelación a la misma. |
Este curso puede ser bonificado al 100% para la empresa receptora, incluso aunque esta tenga un porcentaje de copago en razón de su número de empleados en plantilla. El coste de la formación se recuperará
mediante descuento en el pago de los seguros sociales. |
Este descuento será aplicable libremente en cualquier mes del año posterior a la fecha en que haya finalizado la formación. Podrán bonificarse las matrículas de aquellos alumnos que realicen al menos el
75% del curso con éxito. |
EN CURSOS ONLINE Teleformación: En esta modalidad todo el curso se realiza a través de internet, con acceso las 24 hs. todos los días de la semana y plazo máximo de seis meses. No hay actividades como clases a las que el alumno deba asistir en horarios y fechas programados. Aula virtual: En esta modalidad la formación se imparte mediante clases en directo a través de internet, es decir clases tele-presenciales, que se llevarán a cabo a través de ZOOM, Skype u otra herramienta a convenir. Modalidad MIXTA: Combinación de las dos modalidades anteriores. Los trabajadores asisten a clases en directo (por ejemplo una a la semana) y entre clases disponen de material para avanzar en el curso en la plataforma. Es la más completa para grupos de trabajadores que realizan un mismo curso. EN CURSOS PRESENCIALES o SEMI - PRESENCIALES En esta modalidad los trabajadores realizan el curso asistiendo físicamente a un aula en la que se imparte la formación. Puede ser complementada igualmente con acceso a una plataforma online entre clases. Para esta modalidad se requiere una consulta previa de disponibilidad en la ciudad donde se desee llevar a cabo. |
NOTA:
Trabajamos con la metodología de curso personalizado, creada por Ciberaula en 1997. Usted puede solicitar un curso a la medida de sus objetivos, que combine lecciones de
2 o más cursos en un plan de formación a su medida. Si este es su caso consúltenos, esta metodología ofrece un aprovechamiento máximo de la formación en los cursos bonificados para trabajadores.
El
temario predefinido del curso online de Analizando datos con Python es el siguiente:
1 Introducción a la ciencia de datos y sus aplicaciones
1.1 Descubrimiento de percepciones y tendencias históricas en los datos
2 Herramientas de ciencia de datos: uso práctico
2.1 Introducción a herramientas populares: Jupyter Notebooks, RStudio IDE y Watson Studio
2.2 Características y aplicaciones prácticas
3 El método de ciencia de datos
3.1 Metodología de la ciencia de datos
3.2 Prácticas y requisitos para resolver problemas con datos
3.3 Asegurando la relevancia y el manejo adecuado de datos
4 ¡Conceptos básicos de Python para Data Science!
4.1 Introducción a Python para principiantes en ciencia de datos
4.2 Ejercicios prácticos y creación de primeros scripts
5 SQL aplicado en la ciencia de datos
5.1 Introducción al lenguaje SQL
5.2 Extracción y comunicación de datos de bases de datos
6 Analizando datos con Python
6.1 Uso de matrices multidimensionales en numpy
6.2 Manipulación de DataFrames con pandas
6.3 Aplicaciones de la biblioteca SciPy
6.4 Introducción al aprendizaje automático con scikit-learn
7 Visualizando datos con Python
7.1 Principios de la visualización de datos
7.2 Representación gráfica de datos para comunicación interactiva
8 Machine Learning (aprendizaje automático) con Python: una introducción práctica
8.1 Fundamentos del Machine Learning
8.2 Aprendizaje supervisado y autónomo con Python
9 Ciencia de datos y aprendizaje automático - Curso Capstone
9.1 Creación de proyectos para mostrar habilidades en ciencia de datos
9.2 Análisis y visualización de un conjunto de datos real
9.3 Construcción de un modelo predictivo basado en escenarios empresariales reales