Data Science - Acámica

Repositorio con contenidos de la carrera de Data Science en Acámica (Córdoba)

Descripción

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)

Recursos

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.

Comunicación

Aquí se listan los canales / herramientas principales de comunicación:

• Slack: https://acamica-presencial-ds.slack.com
• Trello: Proximamente...
• Drive: Proximamente...

Tipos de proyectos

• 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

• E4: Fine-tune Machine Learning models

• E5: Machine Learning for NLP

• E6: Recommender System

• E7: Deploy a model on the cloud

Dependencias

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.

Setup

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...

Notebooks

Los proyectos aplicados de la carrera serán desarrollados principalmente mediante Jupyter notebooks, y la ejercitación asociada se irá agregando en la carpeta notebooks.

Licencia

El contenido de este curso se rige mediante la licencia MIT.