<aside>
馃帗 CLASES
https://www.youtube.com/@argentinaprogramaunsam/streams
</aside>
<aside>
<img src="/icons/database_green.svg" alt="/icons/database_green.svg" width="40px" /> CONTENIDOS
GitHub
diplomatura_ciencia_datos_unsam.rar
</aside>
馃悕 Introducci贸n: Programaci贸n en Python
- El entorno y las variables: Diferentes entornos de programaci贸n
Python (consola, IDE, notebooks). Sintaxis del lenguaje. Tipos de datos
b谩sicos. Funciones y su documentaci贸n.
- Estructuras de control: Condicionales. Iteraciones. Comprehensi贸n de listas. Recursi贸n.
- Estructuras de datos: Diccionarios, listas, tuplas, vectores, matrices y 谩rboles.
- Programaci贸n orientada a objetos: Concepto de objeto. M茅todos. Herencia.
- Python para el an谩lisis de datos: Archivos de entrada/salida. C贸mputo de estad铆sticos. Regresi贸n lineal.
- Visualizaci贸n de datos. Aplicaciones con Numpy, SciPy y Matplotlib.
- Testeo y Debuggeo de programas: Dise帽o de experimentos. Manejos de excepciones. Control de flujos.
- Introducci贸n a la complejidad de algoritmos: Concepto de complejidad. Algoritmos de b煤squeda. Algoritmos de ordenamiento.
- Aplicaciones de la programaci贸n a diversos 谩mbitos: Negocios, finanzas, seguros, ciencia.
馃捇 Intermedio: Ciencia de Datos
Elementos de matem谩tica y probabilidad
- Elementos de C谩lculo y Algebra. Funciones. Vectores y Matrices. Nociones de derivadas e integrales.
- Definici贸n de probabilidad. Probabilidad conjunta, marginal y condicional. Leyes de la probabilidad.
- La interpretaci贸n frecuentista y bayesiana de la probabilidad.
- Distribuciones especiales: Binomial, Poisson, Gaussiana.
- Estimadores, estimaci贸n de m谩xima verosimilitud.
An谩lisis Exploratorio de Datos