Acerca del programa
Este programa intensivo te introduce al mundo del análisis de datos y machine learning, guiándote desde los fundamentos hasta la creación de modelos predictivos funcionales. Aprenderás a trabajar con librerías clave como pandas, NumPy, matplotlib, seaborn y scikit-learn, aplicando tus conocimientos a proyectos reales con datos reales.
Con sesiones en vivo, ejercicios prácticos y acompañamiento experto, estarás listo para usar Python como una herramienta poderosa de análisis y predicción, sin necesidad de experiencia previa.
¿Por qué especializarte en este programa?
-
Enfoque práctico desde la primera clase: olvídate de la teoría innecesaria. Aprendes resolviendo problemas reales.
-
Metodología estructurada en 8 sesiones que cubren desde el análisis exploratorio hasta machine learning y visualización de datos.
-
Docente con experiencia profesional y académica comprobada: Jefferson Quispe Pinares, especialista en Data Science aplicado a gestión pública y sector privado.
-
Certificación validada por Pragmma Institute que puedes sumar a tu portafolio profesional.
-
Horarios compatibles con profesionales activos: clases lunes y miércoles de 7:00 p.m. a 9:30 p.m. vía Zoom.
¿Qué ganarías al terminar el programa?
-
Sabrás limpiar, explorar, visualizar y modelar datos utilizando Python y sus principales bibliotecas.
-
Tendrás la capacidad de aplicar modelos de machine learning supervisado con scikit-learn.
-
Conocerás el flujo completo de trabajo en un proyecto de ciencia de datos.
-
Accederás a todos los recursos, notebooks, datasets y grabaciones de clases durante 12 meses.
-
Recibirás un certificado digital validado, ideal para mejorar tu CV y LinkedIn.
-
Contarás con un proyecto final aplicado para demostrar lo aprendido en tu portafolio profesional.
Metodología 80/20
- Enfoque 20% teoría / 80% práctica: sesiones dinámicas orientadas a construir soluciones paso a paso, con micro-aprendizajes y actividades aplicadas desde la primera clase. Cada clase dura 150 minutos: máx. 30 min de teoría y 120 min de práctica con ejercicios guiados, datasets y plantillas (ej.: Byte y herramientas afines).
Pre-requisitos
- Conocimientos intermedios de Python (manejo de funciones, estructuras de control, librerías básicas).
- Familiaridad con conceptos de álgebra y estadística básica (no indispensable, se refuerzan durante el curso).
