Objetivos

A. Enseñar un manejo de Python que permita procesar fuentes de información en distintos formatos y volúmenes, haremos un énfasis en las funciones y librerías que le permitan al estudiante escalar las soluciones data-driven.

B. Familiarizar al estudiante con los conceptos matemáticos detrás de los el estudio de la causalidad. Se hará énfasis en aquellas ideas que mejoren la labor de los científicos de datos.

C. Construir un amplio portafolio de casos de uso para que los analistas graduados sean capaces de proponer soluciones tanto innovadoras como sólidas con el estado del arte de los modelos causales

Perfil de Ingreso

A. Los estudiantes pueden estar dedicados a cualquiera de las siguientes áreas: Ciencia de Datos, Business Intelligence, Ingeniería de datos o Desarrollo de Software.

B. Conocimientos previos sobre Python y Machine Learning: Es necesario que los estudiantes tengan un nivel intermedio de Python similar al que se estudia en el Track de Ciencia de Datos. Los estudiantes deberán de conocer modelos de Machine Learning así como su implementación y calibrado.

C. Conocimientos previos sobre Matemáticas: Durante los cursos se reforzarán aquellos conceptos matemáticos que no se hayan estudiado durante los estudios formales de los estudiantes. Se sugiere haber tomado el curso de Matemáticas de la Ciencia de Datos previamente.

‍

‍

‍