Repositorio con contenidos de la carrera de Data Science en Acámica (Córdoba)
Esta carrera será dictada durante 6 meses en una modalidad semi-presencial, y su objetivo principal es introducir todos los aspectos necesarios a manejar en proyectos de Data Science, tanto en lo conceptual mediante contenido teórico como en la práctica mediante proyectos aplicados que se desarrollarán en Python.
Clases: Martes & Jueves, 7PM a 22PM UTC-3
Profesores:
- Leandro Ferrado (ljferrado@gmail.com)
- Javier Lezama (javitolez@gmail.com)
- Valentina Rubiolo (valenrubiolo@gmail.com)
Las clases a seguir en modo online se encuentran en la web oficial de Acámica, en donde se debe estar logeado correctamente como usuario de la plataforma.
El listado de links y recursos adicionales de interés relacionados al curso se irá agregando en docs/recursos.md
.
Aquí se listan los canales / herramientas principales de comunicación:
- Slack: https://acamica-presencial-ds.slack.com
- Trello: Proximamente...
- Drive: Proximamente...
-
E1: Exploratory Data Analysis (EDA)
- Introducción a Python
- Manejo de datos con Pandas
- Manejo de arreglos con Numpy
- Visualización de resultados mediante Matplotlib y Seaborn
- Análisis de datos tabulares
- Análisis de distribuciones
- Exploración y entendimiento de datos
-
E2: Data Engineering
- ETLs y data pipelines con Scikit-learn y Pandas
- Data cleansing
- Data imputation
- Feature engineering
-
E3: Machine Learning for Regression
- Lineamientos para ajustar un modelo de ML
- Train / test
- Modelo vs Optimización
- Validación de resultados
- Algoritmos de regresión:
- Linear Regression
- KNN Regressor
- Decision Tree
- Métricas para validar resultados
- Coeficiente R^2, MSE, RMSE
- Lineamientos para ajustar un modelo de ML
-
E4: Fine-tune Machine Learning models
-
E5: Machine Learning for NLP
-
E6: Recommender System
-
E7: Deploy a model on the cloud
El entorno de trabajo para los proyectos de esta carrera está definido para ser desarrollado mediante Python 3.6+, y las librerías o dependencias principales se irán agregando en requirements.txt
.
Anaconda
Para instalar Anaconda, la plataforma recomendada por Acámica para preparar el entorno de trabajo, pueden seguir las guías oficiales por cada SO:
- Linux: https://docs.anaconda.com/anaconda/install/linux/
- Windows: https://docs.anaconda.com/anaconda/install/windows/
- MacOS: https://docs.anaconda.com/anaconda/install/mac-os/
Docker
Proximamente...
Los proyectos aplicados de la carrera serán desarrollados principalmente mediante Jupyter notebooks, y la ejercitación asociada se irá agregando en la carpeta notebooks
.
El contenido de este curso se rige mediante la licencia MIT.