Objetivos Generales:
- Desarrollar habilidades avanzadas en ciencia de datos aplicadas en Python.
- Familiarizar a los estudiantes con técnicas avanzadas de aprendizaje automático.
- Capacitar a los estudiantes en el uso de herramientas avanzadas para el análisis de datos en tiempo real.
- Promover la capacidad de los estudiantes para aplicar técnicas de análisis de datos en problemas del mundo real.
Módulo 1: Sistemas de Recomendación
- Introducción a los sistemas de recomendación.
- Familiarización con las técnicas de filtrado colaborativo y basado en contenido.
- Implementación de sistemas de recomendación utilizando Python y la biblioteca de ciencia de datos de Pandas.
- Evaluación del rendimiento de los sistemas de recomendación.
Módulo 2: Series de Tiempo con Prophet
- Introducción a las series de tiempo y sus aplicaciones en la ciencia de datos.
- Familiarización con la biblioteca Prophet de Facebook para el análisis de series de tiempo.
- Implementación de técnicas avanzadas de análisis de series de tiempo, como la descomposición y la modelización de tendencias y estacionalidad.
- Evaluación del rendimiento del modelo.
Módulo 3: Teoría de Colas aplicado en Python
- Introducción a la teoría de colas y sus aplicaciones en la ciencia de datos.
- Familiarización con las técnicas avanzadas de análisis de colas, como la ley de Little y la teoría de colas de Jackson.
- Implementación de modelos de teoría de colas utilizando Python y la biblioteca de ciencia de datos de NumPy.
- Evaluación del rendimiento del modelo.
Metodología y estructura del curso:
- El curso tendrá una duración de un semestre.
- Cada semana, se realizará un quiz corto para evaluar el progreso de los estudiantes.
- Los estudiantes trabajarán en un proyecto de ciencia de datos a lo largo del semestre.
- La evaluación será con una proporción del 50% promedio de quiz y un 50% proyecto.