El curso brinda un acompañamiento significativo y personalizado a los procesos de aprendizaje de los estudiantes, dotándolos de las nuevas necesidades del entorno laboral y empresarial a nivel mundial dotándolos con conocimientos en herramientas para análisis exploratorios completos, describir el comportamiento general de tus datos usando medidas estadísticas, herramientas de visualización de datos y técnicas para crear modelos de inteligencia artificial básicos y avanzados. El curso se enfoca en estudiantes y docentes universitarios, profesionales y emprendedores, mediante una estrategia de aprendizaje basado en proyecto, permitiéndoles desarrollar y poner a prueba la observación, su capacidad de análisis, de innovación, creatividad, pensamiento convergente y divergente, lógica, serendipia, etc. 

DIRIGIDO A: 

• Estudiantes, docentes universitarios y profesionales, emprendedores o empresarios.

REQUISITOS DE INGRESO: 

• Conocimientos básicos de matemática y estadística.
• Conocimientos básicos de Python. 

OBJETIVOS ESPECÍFICOS 

El contenido propuesto tiene como objetivo aplicar el lenguaje de programación Python utilizando técnicas de minado de datos e inteligencia artificial para la creación, procesamiento, visualización y entendimiento de datos. Este espacio académico se enfoca en proveer a las herramientas necesarias para afrontar problemas de análisis de datos estadísticos. 

 Este espacio académico tiene como propósitos principales: 

• Realizar análisis datos utilizando las librerías basadas en Python para su procesamiento, manipulación y visualización. 
• Preparar datos para realizar análisis estadísticos simples y crear visualizaciones de datos significativas. 
• Crear modelos que permitan realizar regresiones, clasificaciones y predecir tendencias futuras a partir de datos. 

METODOLOGÍA

El curso se imparte con un componente de clase magistral, análisis de datasets y creación de modelos que representan casos reales por parte del docente, con el fin de contextualizar al estudiante. Posteriormente mediante el aprendizaje basado en problemas, los estudiantes con base en lo aprendido deben solucionar un problema técnico planteado en el curso 

Se promueven las siguientes estrategias de aprendizaje: 

• Clase Participativa: Con lo cual se pretende dar al estudiante la fundamentación necesaria en cada uno de los temas; construyendo escenarios simulados por parte del profesor, basados en preguntas, que le permitirán al estudiante la aprehensión del conocimiento y con ello motivar una participación del mismo. 
• Uso de hardware y software especializado: Para que el estudiante experimente numéricamente mediante simulación los diferentes temas abordados en la asignatura. 
• Discusión, análisis y aplicación de determinados tópicos referentes a la asignatura, mediante el cual los estudiantes pueden formular soluciones, exponer sus ideas en el aula, y posteriormente aplicarlo en sus materias complementarias. 
• Talleres de Aplicación. Análisis estadístico, visualización de información, técnicas de inteligencia artificial. 
• Laboratorios. 

Los trabajos realizados de forma independiente serán revisados por el docente tanto en su contenido como en presentación. 

La nota final es cualitativa, sin embargo, para obtener la aprobación se tiene en cuenta los resultados obtenidos en los siguientes criterios de evaluación: 

• Quices – 25% 
• Talleres en clase – 25% 
• Participación en clase – 25% 
• Trabajo en tiempo independiente – 25% 

La asistencia mínima al 80% de las clases es requisito para la aprobación del diplomado. 

La aprobación del examen internacional CSWA no se tiene en cuenta para la aprobación de este diplomado. 

Al final del diplomado, se entrega un diploma a quien apruebe y cumpla los requisitos. 

CONTENIDOS

Estos son los temas abordados en el curso: 

• Fundamentos de Programación en Python: (4h) Entornos de programación para ciencia de datos, conceptos básicos de Python, estructuras de datos, programación orientada a objetos.
• Manipulación, transformación y visualización de datos con Python: (4h) NumPy, Pandas, Matplotlib, Seaborn.
• Análisis Exploratorio de Datos: (4h) Introducción al análisis exploratorio de datos, estadística básica, preprocesamiento de datos, procesamiento de series de tiempo.
• Inteligencia Artificial: (4h) Fundamentos Prácticos de Machine Learning, regresión lineal, clasificación, agrupamiento, detección de outliers.
• Desarrollo de Proyecto (8h) aplicación del conocimiento en el desarrollo de un modelo de predicción autónomo implementando métodos y técnicas de modelamiento.

DOCENTE

Carlos Daniel Pimentel Díaz

Ing. Electrónico UTS Colombia, Magister en Inteligencia Artificial por la UNIR. Docente e investigador de tiempo completo en la Universidad Santo Tomás en el área de inteligencia artificial y análisis de datos. Amplia experiencia en el diseño de modelos de inteligencia artificial. 

Antes de avanzar con su inscripción tenga en cuenta lo siguiente:

1. Diligenciar correctamente los datos solicitados en la inscripción. 2. Al iniciar su inscripción seleccione la ciudad de Bucaramanga, el nombre del programa que desea cursar y registre el número de su documento.   3. Autorizar el tratamiento de sus datos personales.  4. Concluido el registro de la inscripción, que no tiene costo, llegará a su correo electrónico las indicaciones para el pago del programa de educación continua al cual se ha inscrito.

 

Jhon Leonardo Quiroga Correo: john.quiroga@ustabuca.edu.co Teléfono: 3003606495   Cesar Hernando valencia Correo: decmeca@ustabuca.edu.co Teléfono: (+57 - 7) 698 58 58 Ext.: 6542