Diplomado

Python
Análisis y Visualización de Datos

Duración Modalidad Dedicación

14 semanas 100% Virtual 8 /10 horas
aproximadas Acompañamiento Académico por semana
+ Encuentros Sincrónicos Tiempo de trabajo del estudiante

Introducción
Python es un lenguaje de programación orientado a objetos que ha tomado fuerza dado que se puede orientar a diferentes
objetivos y permite la automatización de diferentes procesos además de ser un lenguaje sencillo y comprensible.
Python es uno de los lenguajes más utilizados en el uso del Machine Learning y Data Science, basado en el manejo de grandes
volúmenes de datos que permitan el análisis de los mismos facilitando y optimizando el proceso de la toma de decisiones en
la organización.

Objetivos
Adquirir conocimientos sobre las diferentes soluciones de análisis para obtener beneficios en cualquier entorno
empresarial.
Comprensión de herramientas de visualización de datos y el uso adecuado de estas, entre ellas, el manejo de la
librería Plotly.

Dirigido a
Se orienta especialmente a analistas de riesgo, marketing y mercadeo, personal involucrado en proyectos de pronóstico
y predicción o en proyectos de “Business Intelligence”, administradores de bases de datos, analistas de sistemas,
profesionales en estadística o economía y en general a personas que, basados en los datos de la organización, colaboran
en la toma de decisiones.
 UdeCataluña

Conocimientos previos
El aspirante al programa debe tener conocimientos básicos en estadística y álgebra lineal.
El aspirante al programa debe comprender los principios básicos de programación, o manejar de manera eficaz
cualquier lenguaje de programación.
El aspirante al programa debe tener conocimientos en el uso y aplicación de métodos cuantitativos que le permitan
a través del uso de datos analizar, investigar y comprobar la información objeto de estudio.

Metodología
Metodología teórico - práctica, en la cual se cuenta con diferentes recursos y herramientas para fomentar el proceso de aprendizaje:

Clases Presenciales Virtuales: El docente explica los conceptos más relevantes para desarrollar la temática y compartir con
los estudiantes, asimismo interactúa en el ambiente de aprendizaje realizando preguntas y resolviendo casos de uso con una
duración promedio de una hora a hora y media.

Recursos Educativos Digitales: Dentro del proceso formativo se presentan diversos materiales didácticos que contribuyen
en la construcción del Conocimiento y aportan en actividades propuestas.

Talleres y Casos prácticos: Se proponen ejercicios y talleres usando sistemas de información real, para que el estudiante
aplique lo analizado en el Material y las Clases Presenciales Virtuales y profundice sobre los temas del Diplomado.

Certificado
Los estudiantes que desarrollen el Diplomado y obtengan un promedio igual o superior al 80% en las actividades programadas,
se les otorgará, por parte de la UdeCataluña el certificado en:

Diplomado en Python - Análisis y Visualización de Datos

Valores Agregados
Uso de librería Plotly, que permite una mejor visualización de datos dentro de Python. Ofrece gráficos dinámicos
interactivos y ajustables por el usuario, muy similar a las gráficas utilizadas en actualidad con Power BI y Tableau pero
sin la necesidad de salir de Python.
El funcionamiento interno de cada algoritmo utilizado en Machine Learning dejará de ser un secreto o "una caja negra",
pues con este diplomado se adquieren los conocimientos suficientes para saber y entender porque estas últimas
metodologías funcionan tan bien para la predicción de datos.
No es necesario tener conocimientos previos en Python, pues el diplomado abarcará los conocimientos básicos de la
programación en este lenguaje y recorrerá cada uno de los aspectos más importantes en el análisis y visualización de
datos en Python.
Curso complementario autoformativo (40 horas) a elección, según la oferta académica de la universidad.
 UdeCataluña

Plan de Estudios

Módulo 1
Introducción a la Programación en Python
Este módulo tiene como objetivo:
Comprender conceptos básicos de la lógica de programación de lenguaje Phyton buscando entender la sintaxis y semántica del lenguaje.
Python como lenguaje de programación.
Python 2 vs Python 3.
Instalación de distribuidores y compiladores: Anaconda, Spyder y Júpiter.
Instalación de librerías: Scikit-Learn, NumPy, SciPy,Matplotlib, Pandas y Sympy.
Variables y tipos de datos.
Listas y diccionarios en Python.
Sentencias de control tipo “if”.
Ciclos tipo “While”, “for”.
Funciones en Python.
Definiciones en Programación orientada a objetos.
Diseño de programas orientados a objetos.
Objetos y clases en Python.
Herencia simple y múltiple.
Clases Abstractas y polimorfismo.

UdeCataluña se reserva el derecho de apertura o aplazamiento de los cursos, seminarios, diplomados en caso de no contar con el número mínimo de
inscritos. El grupo docente estará sujeto a cambios según disponibilidad de su agenda al igual que el cronograma de actividades académicas.
 UdeCataluña

Módulo 2
Manipulación de Datos
Este módulo tiene como objetivo:
Comprender la estructura de diferentes tipos de datos existentes.
Manipular, transformar y simular marcos de datos.
Numpy.
Pandas.
Scipy.

Módulo 3
Visualización, Análisis e Interpretación de Datos
Este módulo tiene como objetivo:
Conocer los principales modelos, técnicas y algoritmos utilizados para descubrir el conocimiento en grandes volúmenes de datos.
Disponer de herramientas optimas de visualización de datos como plotly, para generación gráficos dinámicos, interactivos, y uso
adecuado para cada tipo o estructura de datos en Python.
Estadística descriptiva.
Inferencia estadística.
Visualización de datos con matplotlib.
Visualización de datos con plotly.
Exportación de tablas y gráficos.

Módulo 4
Pre-procesamiento y Reducción de la Dimensión
Este módulo tiene como objetivo:
Conocer las metodologías más usadas para la reducción de la dimensionalidad con la librería Scikit-Learn.
Introducción a Scikit-Learn.
Ingeniería de las características.
Estandarización de los datos.
Reducción a la dimensión.
 UdeCataluña

Módulo 5
Aprendizaje No Supervisado
Este módulo tiene como objetivo:
Adquirir conocimiento sobre metodología estadística y de aprendizaje de máquina, en primera instancia con el aprendizaje
no supervisado

Introducción al aprendizaje.
Agrupación k-medias.
Agrupación clustering.
Validación de agrupación.

Módulo 6
Aprendizaje Supervisado I
Este módulo tiene como objetivo:
Conocer metodología de validación cruzada como búsqueda de hiperparametros y primeros acercamientos al aprendizaje
supervisado, en la clasificación.
Búsqueda de hiperparametros.
Clasificación metodología estadística.
Clasificación metodología machine learning.
Evaluación de modelos de clasificación.

Módulo 7
Aprendizaje Supervisado II
Este módulo tiene como objetivo:
Construcción de algoritmos y modelos para la predicción tipo regresión o tipo temporal, bajo metodología estadística o de
machine learning.

Regresión métodos estadísticos.

Regresión métodos de machine learning.
Predicción de series temporales.
Evaluación y selección de modelos.
 UdeCataluña

Conferencistas
Cristian Ricardo Velásquez Cantor

Profesional en Estadística, científico de datos y consultor freelance.

Experiencia en el análisis y modelado de distintos tipos de datos: espaciales, temporales, categóricos,
multivariantes, entre otros, utilizando distintas metodologías estadísticas en procesos durante el
tratamiento de los datos, como: extracción, transformación, cargue, análisis descriptivo, análisis
inferencial, modelado, evaluación, y predicción. Dominio de lenguajes de programación como R,
Python, SAS y SQL. Uso de servicios cloud como GCP, Azure e IBM Watson para ETL, análisis de datos,
así como el manejo de herramientas de visualización (BI) como Power BI y Tableau.
Conocimientos avanzados en Machine Learning, supervisado y no-supervisado. Excelentes habilidades
en computación para el procesamiento de alto volumen de información como también el tratamiento
necesario con bajo volumen de datos. Capacidad para la investigación y enseñanza, en distintas áreas
de la estadística, matemática universitaria, matemática financiera, y matemática básica.
 CONTÁCTENOS
BOGOTÁ
Cra 18 B No 106 A 15
+57 (1) 489 47 83 - +57 (1) 489 47 86
www.UdeCatalunya.edu.co

Institución de educación superior sujeta a la inspección y vigilancia del Ministerio de Educación Nacional de Colombia.
Reconocimiento de personería jurídica como institución de educación superior con Resolución No 21329 de noviembre 15 de 2016 del
Ministerio de Educación Nacional de Colombia. Código SNIES 9923.