Programa

Data Science
Modalidad 100% a distancia
¿Para qué te capacitarás a lo
largo del curso?
El curso está estructurado en base al ciclo de vida completo de los datos:
desde su recolección y preparación, hasta su análisis y visualización
efectiva. Además, hace énfasis en la utilización de los algoritmos de
Machine Learning más comunes para la resolución de distintos tipos de Los estudiantes van a aprender las
problemas de análisis. Como estudiante, vas a aprender las habilidades y
conocimientos fundamentales para desempeñarse en su primer trabajo
habilidades y conocimientos
como Data Scientist Jr. De esta manera, al finalizar el curso tendrás la fundamentales para desempeñarse en su
capacidad de: primer trabajo como Data Scientist Jr.
-Comprender diferentes problemas de clasificación y regresión junto con
los algoritmos clásicos utilizados para resolverlos.
-Trabajar con criterio a la hora de entrenar, evaluar y optimizar modelos
de Machine Learning.
-Identificar problemas comerciales modernos y aplicar soluciones
basadas en algoritmos para resolverlos.

www.digitalhouse.com
 Duración
¿Por qué deberías aprender 28 semanas (56 clases).

Data Science?
El crecimiento tanto en la disponibilidad de datos como en las
capacidades de procesamiento ha creado un panorama competitivo para Dedicación estimada
Hasta 15 horas semanales de dedicación (incluye horas
las organizaciones que desean aprovechar los datos como un recurso de cursada en vivo y material adicional asincrónico).
estratégico. En ese panorama, la capacidad de analizar profundamente
los datos y dar sentido a la nueva información rápidamente se ha
convertido en un factor diferenciador para las organizaciones modernas.
Este programa enseña modelos básicos de aprendizaje automático Encuentros
(Machine Learning) y la metodología de trabajo de un científico de datos 2 encuentros online semanales de 2:30hs
para enfrentar el análisis continuo de datos y encontrar soluciones para cada uno.
desafíos comerciales complejos y dinámicos. El programa tiene la idea de
preparar a los alumnos tanto para un rol de científico de datos jr. como
para complementar perfiles de analistas, investigadores y profesionales Modalidad
en general. 100% a distancia.

www.digitalhouse.com
Plan de estudio El curso se compone de seis módulos de formación que
El programa de Data Science de Digital House ofrece agrupan los distintos temas. Cada uno de ellos está organizado
conocimientos sólidos en el proceso de extracción, para que aprendas a:
procesamiento y análisis de grandes cantidades de datos,
con el objetivo de dar soporte a la toma de decisiones
estratégicas en todo tipo de organizaciones. El curso está Extraer, consultar, limpiar y agregar datos para su análisis.
estructurado en base al ciclo de vida completo de los datos,
desde su recolección y preparación hasta su modelado con Usar las herramientas de visualización adecuadas para comunicar
sus conclusiones. Construir, implementar y evaluar problemas de
fines predictivos, pasando por su análisis y visualización
Data Science usando los algoritmos apropiados de machine learning.
efectiva. Trabajaremos en profundidad distintas
herramientas necesarias para el trabajo de análisis de Investigar, modelar y validar procesos de resolución de problemas
datos y también desarrollaremos un proyecto de Data aplicados a datasets provenientes de diversas industrias para
Science desde cero con el objetivo de aprender las proveer experiencias en distintos tipos de problemas y soluciones
habilidades y conocimientos fundamentales para que del mundo real.
nuestros estudiantes se puedan desempeñar de forma
óptima en el mercado laboral como científicos de datos
junior.

www.digitalhouse.com
01 02
Fundamentos: Python, Numpy, Pandas Limpieza, manipulación y visualización de
y probabilidad. datos. Estadística inferencial

Te introducirás a la dinámica de trabajo con Python. En este módulo, se profundizan las prácticas de limpieza y
Además, aprenderás a usar las librerías Pandas y Numpy manipulación de datos. Se introducen las buenas prácticas de
para manipulación, limpieza y cálculos con datos. análisis exploratorio de datos, librerías de visualización y de
estadística inferencial.

www.digitalhouse.com
03 04
Introducción a Machine Learning y Clasificación y Clustering. Evaluación de
Scikit-Learn. Reducción de la modelos y Pipelines.
dimensionalidad. Problemas de Regresión.

Con las bases de trabajo en Python más consolidadas, se Luego de comprender los problemas básicos de regresión,
introduce a la metodología de trabajo de Machine Learning, profundizarás en el segundo tipo de problema: clasificación.
junto a una de sus librerías más importantes, Scikit-Learn. Además, harás foco en la correcta evaluación de distintos
Además, se empieza a profundizar en el primer tipo de modelos y el armado de procesos automáticos en Pipelines.
problema a resolver del curso: regresión.

www.digitalhouse.com
05 06
Machine Learning avanzado. Despliegue de modelos y APIs.

A esta altura, tendrás conocimiento de la metodología de En el último módulo del curso verás cómo disponibilizar tus
trabajo de Machine Learning para pueden resolver distintos modelos y cómo trabajar con APIs. A esta altura ya estarás
tipos de problemas, evaluar los modelos utilizados y haciendo foco fuertemente en el proyecto integrador final.
optimizarlos. En este módulo abordarás problemas más
avanzados como text mining, análisis de series de tiempo,
árboles de decisión, modelos de ensamble y boosting.

www.digitalhouse.com
 Prework
Introducción a la programación en Python y conceptos básicos de
estadísticas a través de ejercicios de nivelación en una plataforma
online.

¿Cómo es el proceso Desafío

de admisión? Prueba online para evaluar las habilidades necesarias para el
curso, adquiridas en la nivelación anterior.

Entrevista
Los profesores conversan directamente con cada uno de los
candidatos para garantizar que las expectativas que tienen estén
alineadas con lo que el curso ofrece.
 Programa de desarrollo
profesional
Desde el equipo de desarrollo profesional ofrecemos un programa que te
ayudará a posicionar tu perfil digital en el mercado y a desarrollar las
habilidades blandas necesarias para potenciar tu inserción en el mundo laboral.

El programa comienza con un curso online 100% a distancia que te permitirá Digital House, creamos talento digital
conocer aquellos temas que promuevan tu desarrollo profesional, tales como la Te invitamos a formar parte de
creación de un CV tech, la construcción de tu marca personal, estrategias de nuestra comunidad y a desarrollar las
posicionamiento en LinkedIn, entrevistas laborales, portafolios, trabajo freelance, competencias digitales claves para
entre otros. Además, podrás acceder a nuestra bolsa de trabajo, participar de liderar tu transformación profesional.
webinars con las principales empresas referentes de la industria digital y recibir
el asesoramiento de nuestro equipo de profesionales. ¡El cambio comienza hoy!
Este servicio es opcional y gratuito. Será brindado a todo aquel que cumpla
con todos los requisitos de aprobación por un plazo de hasta 6 meses desde la
finalización del curso.

www.digitalhouse.com
 Anaconda
Computadora con sistema operativo de 64 bits (Windows 8
o mayor, macOS High Sierra 10.13+, o Linux, incluyendo
Requerimientos técnicos Ubuntu, RedHat, CentOS, etc. 6+).

A continuación vas a encontrar el listado de los Al menos 5 GB de espacio libre en disco local para la
requerimientos técnicos necesarios para poder instalación.
utilizar los programas usados en el curso:
Al menos 6 GB de RAM.

Fuente: https://docs.anaconda.com/anaconda/install/

Los cambios en los requerimientos técnicos de las herramientas y/o los

sistemas operativos soportados no son responsabilidad de Digital House y
quedan a discreción de los desarrolladores de las mismas.

www.digitalhouse.com
 Sistemas operativos compatibles con
Zoom:
Equipamiento recomendado Mac OS X with MacOS 10.6.8 /(Snow Leopard)
en adelante
Windows 10
A continuación vas a encontrar el listado de requerimientos y recomendaciones Windows 8 or 8.1
para que puedas acceder a las salas virtuales y aprovechar al máximo las clases a Windows 7
distancia.
Windows Vista with SP1 en adelante
Windows XP with SP3 en adelante
Conexión a internet Ubuntu 12.04 en adelante
De ser posible mediante cable de red, sino inalámbrica (Wi-Fi). Mint 17.1 en adelante
Ancho de banda mínimo, 25Mbps (carga/descarga), recomendado 50Mbps en Red Hat Enterprise Linux 6.4 en adelante
adelante Oracle Linux 6.4 en adelante
Podés verificar la velocidad de tu conexión mediante FAST o Speedtest. CentOS 6.4 en adelante
Un micrófono / headset. Integrado en tu equipo, USB o inalámbrico Bluetooth. Fedora 21 en adelante
OpenSUSE 13.2 en adelante
Auriculares. ArchLinux (64-bit only)
Aunque tu equipo tenga parlantes es importante que utilices auriculares para no
generar feedback dentro de la sala virtual. Para evitar esto, otra opción es que Tablets y dispositivos móviles compatibles con
estés muteado (sin transmitir sonido) en todo momento, pero esto prevendría Zoom:
que puedas interactuar con la clase. Los auriculares pueden ser cableados al Equipos con iOS o Android.
equipo (por Jack 3.5mm, o USB) o inalámbricos bluetooth. Windows Surface PRO 2 corriendo Win 8.1.
Recomendaciones de micrófonos USB de mejor calidad: Jabra, Plantronics, Windows Surface PRO 3 corriendo Win 10.
Logitech. Equipos Blackberry
Webcam / Cámara Integrada en tu equipo, o una que se conecta a tu equipo por
USB. Browsers compatibles con Zoom:
Recomendaciones de Webcam USB de mejor calidad: Logitech y Microsoft HD. Windows: IE7+, Firefox, Chrome, Safari5+
Mac: Safari5+, Firefox, Chrome
www.digitalhouse.com Linux: Firefox, Chrome
Digital House se reserva el derecho de modificar este
programa o cualquiera de los componentes del curso, sin
previo aviso, cuando lo considere necesario.