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
- 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.
- 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.
Destinatarios
- 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.
- Estudiantes con alguna experiencia en programación que deseen identificar de qué se trata este rol en la industria de Tecnologías de la Información (IT).
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.
- 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”
- (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.
Metodología De Enseñanza-Aprendizaje:
Nuestro modelo de formación te ofrece flexibilidad sin perder la interacción, combina autoaprendizaje con el apoyo de expertos y compañeros para una experiencia dinámica y efectiva.
Características de la formación
- E-learning colaborativo: estudia a tu ritmo con material curado y actividades prácticas.
- Acompañamiento experto: consulta dudas en foros y mensajes directos con tutores.
- Clases en vivo: dos encuentros por módulo para reforzar conceptos y resolver consultas en tiempo real.
A quiénes está dirigido
- Profesionales y estudiantes que buscan una formación flexible y de calidad.
Modalidad de Evaluación y Acreditación:
Estos son los requisitos que deberás cumplir para obtener la acreditación del trayecto formativo:
- Aprobar las evaluaciones integradoras por módulo.
- Realizar y aprobar la Evaluación Integradora Final Obligatoria (EFIO), que puede consistir en la entrega de una tarea basada en una consigna específica o en la realización de un cuestionario.
- Descargar y leer todos los materiales de la unidad temática.
- Entregar y aprobar todas las actividades y ejercicios obligatorios.
- Cumplir con la dedicación horaria recomendada para lograr el máximo rendimiento.
- Finalizar la cursada dentro del período estipulado, sin excepciones. Una vez finalizado el curso, no será posible entregar o descargar actividades pendientes. Quienes deseen completarlo deberán inscribirse en una nueva edición.
La evaluación final cuenta con una instancia de recuperatorio para quienes no aprueben en el primer intento o no la realicen dentro de las fechas establecidas en el cronograma.
Certificación
- La certificación se otorgará en función de la calificación obtenida en la EFIO.
- Las calificaciones posibles serán: bueno, muy bueno, excelente, sobresaliente, participó o no participó.
- Quienes obtengan una de las cuatro primeras calificaciones recibirán un certificado de aprobación.
- Aquellos que no alcancen estas calificaciones o no realicen la EFIO podrán obtener un certificado de participación, previa evaluación del tutor.
Los certificados emitidos por Centro de e-Learning UTN BA cuentan con un sistema de validación basado en tecnología blockchain, que garantiza autenticidad, trazabilidad y transparencia en todo momento.
¿Quieres capacitar a tu equipo con esta formación?
Accede al Portal de Empresas: compra múltiples licencias en pocos pasos, recibe facturación a nombre de tu compañía y gestiona el aprendizaje de todo tu equipo desde un solo lugar.
Comprar desde el Portal de Empresas