Data Science and AI: Del Concepto a Desarrollo de Aplicaciones - Live

Diseñar programas en lenguaje de programación python sobre el ambiente de programación notebook, para que se cumpla con los requerimientos de la aplicación de Ciencia de Datos .

Diseñar programas en las plataformas de Panda y Numpy de python sobre el ambiente de programación notebook, para que se cumpla con los requerimientos de la aplicación de Ciencia de Datos requerida.

Manipular una base de datos en la plataforma de Panda de python que involucre llamadas (queries) a las bases de datos y estatuos para concatenar y unir bases de datos.

Explotar las ventajas que tienen Python y las plataformas de visualización Matplotlib, Pandas y Seaborn, para generar diversos tipos de gráficos que permitan analizar e interpretar resúmenes de datos del mundo real, cumpliendo con los requerimientos de la interfaz de la visualización requerida.

Seleccionar las características de las bases de datos más importantes por su importancia para la visualización o por su importancia en mejorar la exactitud, precisión de un modelo de datos.

Desarrollar modelos inteligentes no supervisado de datos utilizando scikit-learn de Python, seleccionando el número de agrupaciones adecuadas y analizando la efectividad del modelo utilizando medidas de calidad, que cumplan lo mejor posible con los requerimientos de la tarea requerida.

Desarrollar modelos inteligentes supervisado de datos utilizando scikit-learn de Python; seleccionar el modelo adecuado y analizar la exactitud, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida.

Utilizar herramientas visuales de maquinas inteligentes para desarrollar modelos de datos mas exactos y/o precisos, que cumplan con los requerimientos de la necesidad del problema a resolver.

Desarrollar modelos inteligentes supervisados de grandes volúmenes de datos utilizando pySpark de Python; seleccionar el modelo adecuado y analizar la exactitud, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida.

Desarrollar modelos de clasificación de imágenes utilizando técnicas de aprendizaje profundo; reconocer los tipos de clasificación: binaria, multiclase, detección de objetos, segmentación semántica.

Desarrollar modelos inteligentes supervisado de datos de texto utilizando la plataforma máquinas inteligentes en Python; seleccionar el modelo adecuado y analizar la exactitud, precisión del modelo, que cumplan lo mejor posible con los requerimientos de la tarea requerida.

Desarrollar modelos Redes de datos utilizando la NetworkX en Python; analizar la robustez de las redes, encontrar las personas que mas se comunican, así como los líderes de las conversaciones en una red social.

Aplicación de proyecto.