Módulo 0 - Técnicas de aprendizaje y manejo de tiempo

• Tipos de aprendizaje
• Administración del tiempo
• Herramientas de organización y planeación

Módulo 1 - Analítica y Bases de Datos

• Introducción a la Ciencia de Datos
• Fundamentos de la Analítica de Datos
• Calidad de datos
• Tipos de Bases de Datos
• Introducción a Bases de Datos

Modulo 2 - Análisis exploratorio con Python

• Programación con Python
• Limpieza de datos
• Manipulación de datos
• Transformación y modelado
• Estadística, probabilidad y álgebra lineal
• Visualización de Datos

Módulo 3 - SQL server.

• Introducción a SQL Server 
• Creación, conexión e importación de bases de datos

Módulo 4 - SQL

• Lenguaje SQL 
• DDL y DML
• Funciones de Agregación
• Consulta y agrupación
• Joins y unions

Módulo 5 - Análisis de Datos con Power BI

• Introducción a Power BI
• Conexión con fuentes de datos
• Preparación y modelado de datos
• Transformación de Datos
• Visualización, filtros y gráficas
• Uso de Scripts de Python 
• Deploy and Maintenance
  

Módulo 6 -Herramientas de Ciencia de Datos

• Python en Ciencia de Datos 
• Jupyter Notebook y Librerías
• Análisis Exploratorio de Datos (EDA)
• Estadística, probabilidad y álgebra lineal 
• Visualización de Datos 
• Tipos de gráficas y escenarios.
• Matplotlib, Seaborn, y Plotly
  

Módulo 7 - Machine Learning (Aprendizaje Automático) 

• Aprendizaje supervisado 

• Regresión lineal y logística. 
• Scikit-learn 
• KNN (k-nearest neighbors) 
• SVM (Support Vector Machines)
• Naive Bayes
• Árboles de Decisión 

• Aprendizaje no supervisado

• Reducción de Dimensiones
• PCA (Principal Component Analysis) 
• Algoritmos de Agrupamiento (Clustering)
• Entrenamiento y Rendimiento
  

Módulo 8 - Deep Learning (Aprendizaje profundo)

• Introducción al Aprendizaje Profundo
• Diferencias entre ML y DL
• Aplicaciones del Deep Learning
• Arquitectura de Red Neuronal 
• Uso de Keras 
• Arquitectura comunes: RNNs y CNNs
  

Módulo 9 -Aplicaciones y Deployment 

• Introducción a cómputo en la nube
• Funciones de AWS
• Machine Learning pipeline
• Estructura y testeo de pipeline
  

Módulo 10 - Soft Skills ( Habilidades esenciales)

• Administración de proyectos
• Metodologías Ágiles (Scrum)
• Comunicación Efectiva
  
  

Módulo 11 - Proyectos Finales 

• Proyecto con datos reales
• Presentación de Análisis y resultados. ( Demo Day)

‍

‍

‍

‍