• Actividad de sociabilización y contacto.
• Marca personal ¿Qué es y cómo desarrollarla?
• Empleabilidad y ser empleable. Diferencias clave.
• ¿Cómo hacer más atractivo el curriculum?

¿Cómo afrontar una entrevista de trabajo?

• Estadística descriptiva. Conceptos generales.
• Taller: Aplicación de técnicas de estadística descriptiva a proyectos de datos.
• Estadística inferencial. Conceptos generales.
• Taller: Aplicación de técnicas de estadística inferencial a proyectos de datos.
• Taller: Prueba de hipótesis,
• Data Wrangling. Conceptos generales.
• Taller: Data Wrangling
• Taller: Feature engineering.

• Definición y usos. Web Crawling y Web Scraping.
• Consecuencias del escraper. ¿Qué es User Agent? Bloqueo de páginas web.
• Taller: Métodos de extracción de datos. XPATH & CSS Selector. Expresiones Regulares.
• Web-scraping estático – LXML.
• Tipos de requests.
• Web-scraping dinámico. Librería Selenium.
• Taller: Inicialización del driver con Python.
• Taller: Trabajando con elementos. Interactuando con pestañas.
• Taller: Extracción de datos de portales de datos abiertos, páginas web, etc.
• Taller: Uso de API de redes sociales. (Twitter, Spotify, Youtube, etc.)

Presentación de casos de uso de diversas industrias

• Taller: Partición y balanceo de datos.
• Taller: Estimación de métricas de evaluación.
• Taller: Validación de modelos.
• Taller: Modelos de regresión.
• Taller; Modelos de clasificación.
• Taller: Ajuste de hiper-parámetros.

• Taller: Implementación de Clustering jerárquico.
• Taller: Implementación de Clustering k-means.
• Taller: Implementación de Clustering PAM.
• Taller: Implementación de Clustering CLARA.
• Taller: Implementación de Clustering DBSCAN.
• Taller: Implementación de Clustering RFM.
• Taller: Implementación de Análisis de componentes principales.
• Taller: Implementación de Análisis de componentes múltiples.
• Taller: Implementación de Reglas de Asociación.

• Introducción al aprendizaje profundo.
• Introducción de las redes neuronales.
• Propagación forward y backward.
• Funciones de activación.
• Funciones de pérdida.
• Transferencia de aprendizaje.
• Introducción a redes convolucionales u recurrentes.
• Taller: Implementación de redes neuronales sencillas.

• Características de una serie de tiempo.
• Descomposición temporal. Aditiva, multiplicativa, mixta.
• Proceso estacionario. Raíces unitarias.
• Taller: Métodos de pre procesamiento para series temporales.
• Taller: Técnicas de detección de patrones.
• Taller: Métodos de suavización exponencial.
• Taller: Pronósticos con dominio en el tiempo. Modelo Box – Jenkins.
• Modelos: AR, MA, ARIMA, SARIMA.
• Taller: Métodos multivariados para análisis temporal.

• Introducción al procesamiento de lenguaje natural.
• Minería de texto. Pasos para ejecutar un proyecto de Text Mining.
• Taller: Expresiones regulares. StopWords.
• Taller: Calculando la frecuencia de palabras. Nubes de palabras.
• Taller: Creación de Bigramas y Comparación del uso de palabras.
• Taller: Clasificación de textos. Analizando las características del texto.

• Sistemas de Machine Learning.
• Taller: Configuración del entorno de Trabajo y Herramientas clave.
• Taller: Machine Learning Pipeline: Escribiendo Código para Producción.
• Taller: Sirviendo un modelo a través de Rest API.
• Herramientas CI/CD para data science.
• Taller: Desplegando en IaaS (Aws ECS).

• Importancia de MLOps en Machine Learning.
• Requerimientos para poder hacer MLOps.
• Flujo de vida de un modelo en producción.
• Registro y versionamiento de los modelos.
• Revisión de casos aplicados con MLOps.

• Agile DS (Kick Off) + Coach Analítico.
• Agile Fundamentals.