Oficialización:

Servicio de Instrucción Director

Edwin Maraví
CURSO PYTHON Año:2020
Código :
PYTHON DEVELOPER
C01_2020

Sílabo

DATOS GENERALES
PYTHON DEVELOPER

Año de vigencia : 2020

Número de sesiones : 20 (4 horas por sesión)
N° de Horas académicas : 80
Requisitos : Conocimientos básicos de programación.
Conocimientos básicos de bases de datos

I. FUNDAMENTACIÓN
Python, es el tercer lenguaje de programación más popular del mundo y ¿Qué hace de Python un idioma
preferido para Data Science y Machine Learning? las bibliotecas y el marco de trabajo que Python ofrece, por
ejemplo. PyBrain, NumPy y PyMySQL en AI, DataScience y Machine Learning son uno de los motivos.
Para poder estar preparados para los nuevos paradigmas de la tecnología es necesario tener el acceso a uso
de herramientas de buen nivel de evolución y Python es una de ellas.

II. UNIDAD DE COMPETENCIA

Desarrollar programas empleando módulos de Python para Machine Learning.

IV. CAPACIDADES TERMINALES Y CRITERIOS DE EVALUACIÓN

CAPACIDAD TERMINAL
Desarrollar soluciones de
inteligencia artificial para
tratamiento de datos.
CRITERIOS DE EVALUACIÓN
Conceptos y aplicaciones de Machine Learning
Manejar bases de datos con Python
Usar herramientas BigData.
Usar módulos Python para Machine Learning
Aplicaciones de Machine Learning

V. METODOLOGÍA
• Curso teórico-práctico.
• Exposición del profesor, ayudas audiovisuales, diálogo abierto y debate.
• Realización de casos prácticos en laboratorio.
• Realización de tareas en aula virtual.
• Generación de conocimiento mediante investigación y foros de discusión en aula virtual.
 Oficialización:
Servicio de Instrucción Director
Edwin Maraví
CURSO PYTHON Año:2020
Código :
PYTHON DEVELOPER
C01_2020
VI. CONTENIDOS
Sesión Contenido
Sesión Introducción a Machine Learning empleando Python.
01 Conceptos, ejemplos.
Sesión Programación modular.
02 Paquetes y documentación. Módulos.
Sesión Introducción a módulos avanzados.
03 IDE´S y Frameworks para Python.
Sesión Instalación de módulos Externos con pip. Distribución de aplicaciones en pypi
04 Módulos científicos
Sesión Primera evaluación práctica
05  Desarrollar del primer cuestionario virtual.
Sesión Módulo Sympy.
06 Ejemplos prácticos empleando Sympy.
Sesión Módulo Scypy.
07 Ejemplos prácticos empleando Scypy.
Sesión Módulo Numpy.
08 Ejemplos prácticos empleando Numpy.
Sesión Módulo Pandas.
09 Ejemplos prácticos empleando Pandas.
Sesión Segunda evaluación práctica
10  Desarrollar el segundo cuestionario virtual.
Sesión Módulo Matplotlib.
11 Ejemplos prácticos empleando Matplotlib.
Sesión Módulo Scikit.
12 Ejemplos prácticos empleando Scikit.
Sesión Módulo wxPython.
13 Ejemplos prácticos empleando wxPython.
Sesión Ejercicios prácticos empleando módulos de Python para Machine Learning
14 Interacción entre módulos
Sesión Tercera evaluación práctica
15  Desarrollar el segundo cuestionario virtual.
Sesión Introducción a BigData, Machine Learning
16 ¿Qué es y que no es Big Data?
Sesión BIG Data: Datasets. Hadoop. Framework MapReduce.
17
Sesión Módulos para ML: TensorFlow
18
Sesión Repaso de temas desarrollados en clase.
19 Taller práctico.
Sesión Cuarta evaluación práctica
20  Desarrollar el segundo cuestionario virtual.
 Oficialización:
Servicio de Instrucción Director
Edwin Maraví
CURSO JAVA Año:2020
Código :
PYTHON DEVELOPER
C01_2020

VII. EVALUACIÓN
La evaluación, como constatación del logro de los objetivos que es alcanzar las capacidades mencionadas se dará
mediante la siguiente ponderación:

04 Tareas (se elimina la menor) 15 %

04 Evaluaciones Virtuales (se elimina la menor) 10 %

04 Investigaciones (se elimina la menor) 15 %

Evaluaciones prácticas 1 y 2 (se elimina la menor) 20 %

Evaluaciones prácticas 3 y 4 40 %

TOTAL 100 %