Curso de Data Science
Presentación
Data science es una disciplina interdisciplinaria que utiliza métodos científicos, procesos, algoritmos y sistemas para extraer conocimiento y percepciones valiosas de datos estructurados y no estructurados. Se centra en analizar datos para comprender tendencias, patrones y fenómenos, con el objetivo de informar la toma de decisiones y resolver problemas complejos en diversos campos.
Dentro del curso, encontrarás un ambiente de aprendizaje dinámico y práctico. A través de ejemplos reales y casos de estudio, te sumergirás en el día a día de un Data Scientist, adquiriendo una comprensión profunda de sus tareas, desafíos y mejores prácticas.
Al completar el curso, estarás preparado para ingresar a un amplio espectro de salidas laborales demandadas en la industria actual. Desde empresas de tecnología hasta instituciones financieras y de salud, ya sea como Data Scientist, analista de datos, ingeniero de machine learning o consultor especializado.
Modalidad: A distancia ágil
Objetivo general
Los estudiantes aprenderán conceptos fundamentales sobre la ciencia de datos, su aplicación en diversas industrias y cómo iniciar sus carreras en el campo de Data Science sin tener conocimientos previos en informática o lenguajes de programación.
Además, obtendrán una visión general del ciclo de vida de los datos, que abarca desde la adquisición y procesamiento hasta el análisis de bases de datos del mundo real. También se les introducirá en las herramientas más reconocidas de la industria, como Jupyter Notebooks, SQL y GitHub, para su aplicación práctica.
Objetivos específicos
- Destacar la importancia de la estadística en el trabajo diario de un Data Scientist y su papel fundamental en la toma de decisiones basadas en datos.
- Conocer la gran importancia de contar con un portafolio de proyectos al buscar empleo como Data Scientist y su capacidad para demostrar habilidades y experiencia en la práctica
- Comprender la esencialidad del modelado en el ciclo de vida de los datos e incorporar el concepto sobre el gran valor que el análisis de datos aporta a la toma de decisiones en cualquier industria o proyecto.
- Establecer la relación entre cada etapa dentro del ciclo de vida de los datos y las herramientas informáticas que se pueden utilizar para cada una de ellas.
- Identificar cuáles son las habilidades en las que debe estar entrenado un profesional para convertirse en Data Scientist y discernir las características en comparación con otros roles de la industria.
Destinatarios
- Estudiantes con alguna experiencia en programación que deseen identificar de qué se trata este rol en la industria de Tecnologías de la Información (IT).
- Estudiantes que quieran iniciar una carrera en Ciencia de Datos.
- Profesionales que no estén satisfechos con su trabajo actual y deseen cambiar al mundo de la Ciencia de Datos.
- Profesionales de cualquier área que estén interesados en el campo de la Ciencia de Datos.
Requisitos
- Se recomienda contar con un nivel básico de matemáticas y manejo de bases de datos en Excel
- No es necesario tener conocimientos previos en informática, programación o estadísticas.
- Si ya cuentas con conocimientos previos, pero aún no sabes nada de este rol, serán una ventaja adicional.
Equipo docente
Virginia Marich
Coordinador
Mi nombre es Virginia Marich y soy Ingeniera Química graduada de la Universidad Nacional de Córdoba (UNC). Me he especializado en Data Science & Analytics aplicada a diversos niveles industriales. Desde 2019 trabajo en la Industria de Oil&Gas y he pasado por diferentes puestos, desempeñándome actualmente como Data Management Consultant en una empresa de servicios del rubro. Desde el año 2022, también me desempeño como docente y tutora en diferentes plataformas virtuales con el fin de transmitir la pasión por los datos y ayudar a estudiantes y profesionales entusiastas de diferentes áreas que deseen aprender e insertarse en el mundo del trabajo remoto.
- (2023, 01). El ciclo de vida del proceso de ciencia de datos en equipo. Learn Microsoft. Obtenido de https://learn.microsoft.com/es-es/azure/architecture/data-science-process/lifecycle
- Munhoz de Medeiros, M. (2020, 05). Data science for business: benefits, challenges and opportunities.
- Kroese, D. (2019, 11). Data Science and Machine Learning.
- Access SQL: conceptos básicos, vocabulario y sintaxis. Microsoft 365. Obtenido de https://support.microsoft.com/
- Grus, J. (2019, 12). Data Science from Scratch - First Principles with Python.
- Levitin, D. (2017, 03). A Field Guide to Lies and Statistics: A Neuroscientist on How to Make Sense of a Complex World.
- Person, L. (2017, 03). “Data Science For Dummies”
Metodología De Enseñanza-Aprendizaje:
La modalidad de e - Learning Colaborativo es totalmente mediada por tecnologías a través del Campus Virtual FRBA. Se trata de una modalidad básicamente asincrónica que aprovecha pedagógicamente los recursos de la Web 2.0, con un complemento sincrónico, por medio de la realización de clases en tiempo real, logrando superar de esta forma, la instancia de autoestudio.
El trayecto formativo consta de Módulos; cada uno de ellos está conformado por unidades, las cuales a su vez, integran los contenidos temáticos.
Así, en cada unidad, Usted contará con:
- Vías de comunicación con el tutor: mensajería interna del Campus Virtual y foros para la presentación de dudas y consultas.
- Material de estudio curado.
- Actividades y trabajos integradores de aplicación de los conocimientos adquiridos, individuales y/o grupales.
- Clase en tiempo real, 2 encuentros por módulo, en el Aula Virtual Sincrónica.
Modalidad de Evaluación y Acreditación:
La evaluación del trayecto formativo comprende una evaluación integradora por módulo y una Evaluación Integradora Final Obligatoria (EFIO), que se basa en la realización por parte del alumno de la entrega de una tarea (consigna específica para su desarrollo) o cuestionario. Dicha evaluación final cuenta con una instancia de recuperatorio, para aquellos participantes que no aprobaron la primera o no la realizaron dentro de las fechas estipuladas por cronograma.
A su vez, se tendrá en cuenta también, para la evaluación:
-
La descarga y lectura de todos los elementos que componen la unidad temática.
- La entrega y aprobación de todas las actividades y ejercicios que se consignen como obligatorios.
- La dedicación horaria indicada en cada caso para lograr el máximo rendimiento del estudio.
- El alumno deberá finalizar la cursada dentro de la duración del trayecto sin excepción. - Terminado el mismo, no podrá entregar ni descargar nada adeudado y deberá cursar nuevamente en un próximo inicio, en caso de desear finalizarlo.
La acreditación del trayecto constará de la Aprobación de lo indicado en la evaluación obligatoria.
La calificación será cualitativa: Bueno, Muy Bueno, Excelente, Sobresaliente, Participó o No Participó.
Las primeras cuatro calificaciones otorgan un certificado de "Aprobación".
Aquellos alumnos que no hayan alcanzado alguna de estas tres calificaciones o no hayan realizado la EFIO, podrán obtener una calificación y certificación de Participación, previa comprobación por parte del Tutor de ciertos criterios de evaluación.