Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Data Science
Somos una academia tecnológica que acompaña a las personas
en su transformación digital.
Data Science
¿Para quién es esta carrera?
Data Science es una carrera pensada para aquellas personas que buscan aprender a
analizar datos de manera eficiente y aplicar herramientas modernas en su trabajo.
También para aquellas personas que están interesadas en conocer de qué se trata
esta área del conocimiento, cercana al Aprendizaje por Computadora (Machine Learn-
ing), las Redes Neuronales Profundas (Deep Learning) y la Inteligencia Artificial.
Data Science
¿Cómo es la metodología basada
en proyectos de Acámica?
En Acámica creemos que la mejor manera de aprender es creando. A lo largo de los
6 meses de cursada, realizarás cuatro proyectos que conformarán tu portfolio
profesional. Cada uno de estos proyectos (Predicción Inteligente de Precios de
Inmuebles, Análisis de Sentimientos en Texto, Recomendador Automático de Pelícu-
las y Puesta en Producción) te ayudarán a formarte en temáticas y herramientas
actuales como son la Estadística Descriptiva, Deep Learning, el Aprendizaje
Automático, Procesamiento del Lenguaje Natural, Sistemas de Recomendación,
Clustering y Procesamiento en la Nube, pero serán solo el disparador de muchos
otros contenidos.
Con todas las entregas aprobadas, recibirás un certificado validado por IBM y
Globant.
Además de los conocimientos técnicos, trabajaremos habilidades de comunicación y
presentación que te ayudarán a mostrar tus ideas efectivamente y presentar tus
trabajos en el mercado laboral.
DETALLE DE PROYECTOS Y TEMAS
PREDICCIÓN INTELIGENTE DE
PRECIOS DE INMUEBLES
Realizarás una exploración y visualización de datos para luego crear un
modelo con inteligencia artificial que prediga automáticamente el costo
de inmuebles por barrio. Aprenderás algoritmos de regresión lineal usando
un dataset real de la startup Properati.
Temas a desarrollar
EXPLORACIÓN DE DATOS
Introducción a los Datasets, tipos de datos, tipos de problemas / Workflow de Data Science.
Presentación Jupyter Notebooks y bibliotecas NumPy, Pandas, Scikit-Learn
Breve introducción NumPy: tipos de datos y operaciones / Exploración de datos: Pandas.
FEATURE ENGINEERING
Feature engineering /Outliers / Missings values / Variables categóricas, dummies,
nuevas variables.
APRENDIZAJE SUPERVISADO
Evaluación de modelos: training/testing, matriz de confusión / Algoritmo KNN.
Algoritmo “Decision Trees” /Clasificación y regresión con estos algoritmos / Overfitting/
Underfitting / Cross Validation / Pipelines en scikit-learn.
OPTIMIZACIÓN DE MODELOS
Tradeoff bias/variance / Optimización de parámetros: GridSearch y hyperopt
Selección stepwise de variables: fordward, backward.
Otras métricas: AUC, F1, kappa.
DETALLE DE PROYECTOS Y TEMAS
ANÁLISIS DE SENTIMIENTOS
EN TEXTO
Construirás un programa que lea reviews escritas por personas y entienda
sus emociones. Procesarás texto y harás que tu programa entienda el
sentimiento de miles de humanos. Conocerás algoritmos de redes neuronales
y aprenderás a usar la tecnología Watson de IBM.
Temas a desarrollar
PROCESAMIENTO DEL LENGUAJE NATURAL
Introducción a procesamiento de texto: bag of words, tf-idf, tokens, stemming
SVM
Ensambles básico: voting, promedios
Ensambles bagging: random forests
Ensambles boosting: adaboost, xgboost
Redes Neuronales: perceptrón y backpropagation
Redes Neuronales multicapa
NLP
SVD
Clustering Recommendation system
DETALLE DE PROYECTOS Y TEMAS
RECOMENDADOR AUTOMÁTICO
DE PELÍCULAS
Crearás un programa capaz de encontrar conexiones semánticas
inteligentemente y, en base a preferencias, recomiende nuevas películas
para ver. Aprenderás técnicas de clustering y SVD para que tu computadora entienda
a los humanos mejor que ellos mismos.
Temas a desarrollar
SISTEMA DE RECOMENDACIÓN
Introducción aprendizaje no supervisado.
Clustering: kmedias, dbscan Reducción de dimensionalidad: PCA.
Introducción sistemas de recomendación.
Reducción de dimensionalidad: SVD.
Sistemas de recomendación · Filtro colaborativo
Evaluación sistemas de recomendación.
NLP
Tf-idf
Algoritmos de clasificación
Watson Sentiment API
Keras
DETALLE DE PROYECTOS Y TEMAS
PUESTA EN PRODUCCIÓN
Pondrás tu proyecto en la web con IBM Cloud para que otros puedan utilizarlo.
Logra que tu desarrollo y descubrimiento sea accesible para cualquiera
y que ellos mismos puedan transformar datos en valor agregado.
Temas a desarrollar
SISTEMA DE RECOMENDACIÓN
IBM Cloud
Persistencia de modelos scikit-learn/python
Desarrollo API para acceder al modelo y predicciones
Puesta en producción
Watson API
IBM Cloud
PREGUNTAS
FRECUENTES
¿POR QUÉ ESTA CARRERA ES IMPORTANTE ¿TENGO QUE TENER COMPUTADORA PROPIA?
EN LA ACTUALIDAD?
Sí. Es la herramienta principal de trabajo de cualquier profesional
En la actualidad, tenemos la capacidad de producir, detectar y del desarrollo web y una de las cosas más importantes que tendrás
almacenar grandes cantidades de datos. Desde coordenadas de que traer a clases, junto con un par de auriculares y ganas.
ubicación de un GPS hasta el código de ADN de millones de perso- Además, te va a servir para que puedas aprender a instalar y usar
nas. Sin embargo, los datos no tienen valor si los miramos de forma todo tipo de herramientas, ver los contenidos online y trabajar en
aislada. Con la ciencia de datos podemos aplicar metodologías que las actividades que se hacen fuera del horario de clase. Por eso, es
nos permiten analizarlos y obtener información concreta y importante que tengas en mente algún lugar con conexión a
relevante para tomar mejores decisiones. Con esta carrera busca- internet, ya sea tu casa, un café o espacio de co-working.
mos formar profesionales que puedan transformar esos datos en
valor agregado.
¿CUÁNTO TIEMPO DE TRABAJO EN CASA
LE TENGO QUE DEDICAR?
¿NECESITO TENER ALGÚN CONOCIMIENTO siguiente manera: entre 4 y 6 horas de clase (dependiendo de si la
ESPECÍFICO PARA INSCRIBIRME? modalidad de cursada), más horas extras dedicadas a ver videos
de la plataforma de Acámica y al trabajo en los proyectos.
Es indispensable que sepas matemática básica (nivel secundario o
superior) y leer textos en inglés.
Es deseable que conozcas algún lenguaje de programación y ¿LAS VACANTES SON LIMITADAS?
conceptos básicos de Probabilidad y Estadística.
Cada grupo de estudio tiene un cupo limitado para que cada
estudiante tenga una experiencia educativa personalizada y con
aprendizajes significativos.
¿QUÉ PASA SI NO SOY ADMITIDO/A A LA CARRERA?
hola@acamica.com