IPN-Dharma IA Lab

    Bienvenidos
    IPN-Dharma IA Lab

    Es una iniciativa de Laboratorio de Inteligencia Artificial del CIC del IPN con la colaboración de DHARMA para motivar a investigadores, profesores y estudiantes a aprovechar los cursos, recursos y herramientas de las principales plataformas tecnológicas de la industria en las áreas de Aprendizaje Automático, Ciencia de Datos, Computación en la Nube, Inteligencia Artificial e Internet de las Cosas con el propósito de generar una experiencia práctica a través de un modelo de aprendizaje entre pares y por objetivos.

    Nivel 2: Conocimiento Contextual

    Ciencia de Datos Profesional

    La ciencia de datos y las habilidades de aprendizaje automático continúan teniendo una gran demanda en todas las industrias, y la necesidad de profesionales de datos está en auge.

    En este programa, a través de tareas prácticas crearás un porfolio utilizando herramientas de ciencia de datos reales con problemas y conjuntos de datos del mundo real. El plan de estudios cubrirá una amplia gama de temas de ciencia de datos que incluyen: herramientas y bibliotecas de código abierto, metodologías, Python, bases de datos, SQL, visualización de datos, análisis de datos y aprendizaje automático.

    No se requieren conocimientos previos de informática o programación para poder tomar este programa. Este programa es la continuación del programa Fundamentos de Ciencia de Datos, por lo que se recomienda haberlo tomado antes de cursar este programa.

    Cursos en este programa

    1) Python para la Ciencia de Datos e IA

    Este es un curso introductorio de Python para la inteligencia artificial, ciencia de datos y programación en general que te llevará rápidamente de cero a programar en Python en cuestión de horas y te dará una idea de cómo comenzar a trabajar con datos en Python.

    Una vez completado, podrás escribir tus propios scripts de Python y realizar análisis básicos de datos prácticos utilizando nuestro entorno de laboratorio basado en Jupyter. También podrás crear tus propios proyectos de ciencia de datos y colaborar con otros científicos de datos utilizando IBM Watson Studio.

    Esfuerzo  Esfuerzo estimado 5 horas

    Idioma  Idioma español e inglés

    Link  Cognitive Class inglés

    Link  edX español

    Link  edX inglés

    Link  Coursera español

    Link  Coursera inglés

    2) Análisis de datos con Python

    En este curso de ciencia de datos aprenderá a usar el lenguaje Python para limpiar, analizar y visualizar datos. Aprenderá a preparar datos para el análisis, realizar análisis estadísticos simples, crear visualizaciones de datos significativas y predecir tendencias futuras a partir de datos con laboratorios prácticos.

    Esfuerzo  Esfuerzo estimado 8 horas

    Idioma  Idioma español e inglés

    Link  Cognitive Class inglés

    Link  edX español

    Link  edX inglés

    Link  Coursera español

    Link  Coursera inglés

    3) Visualización de Datos con Python

    La visualización de datos juega un papel esencial en la representación de datos tanto a pequeña como a gran escala. Una de las habilidades clave de un científico de datos es la capacidad de contar una historia convincente, visualizar datos y hallazgos de una manera accesible y estimulante.

    En este curso, utilizaremos varias bibliotecas de visualización de datos en Python, Matplotlib, Seaborn y Folium, que te permitirán extraer información, comprender mejor los datos y tomar decisiones más efectivas. También podrás comenzar a crear tus propios proyectos de ciencia de datos y colaborar con otros científicos de datos utilizando IBM Watson Studio.

    Esfuerzo  Esfuerzo estimado 10 horas

    Idioma  Idioma español e inglés

    Link  Cognitive Class inglés

    Link  edX español

    Link  edX inglés

    Link  Coursera español

    Link  Coursera inglés

    4) Aprendizaje Automático con Python

    Este curso de aprendizaje automático con Python se sumerge en los conceptos básicos del aprendizaje automático mediante un lenguaje de programación accesible y conocido. Aprenderás sobre el aprendizaje supervisado y no supervisado, verás cómo se relaciona el modelado estadístico con el aprendizaje automático y harás una comparación de cada uno.

    Explora muchos algoritmos y modelos:
    • Algoritmos: Classification, Regression, Clustering y Dimensional Reduction.
    • Modelos: Train/Test Split, Root Mean Squared Error y Random Forests.

    Esfuerzo  Esfuerzo estimado 12 horas

    Idioma  Idioma español e inglés

    Link  Cognitive Class inglés

    Link  edX español

    Link  edX inglés

    Link  Coursera español

    Link  Coursera inglés

    5) Ciencia de Datos Aplicada Capstone

    Este curso de proyecto te dará una idea de lo que atraviesan los científicos de datos en la vida real cuando trabajan con datos, al final habrás utilizado herramientas de ciencia de datos del mundo real.

    Esfuerzo  Esfuerzo estimado 24 horas

    Idioma  Idioma español e inglés

    Link  edX español

    Link  edX inglés

    Link  Coursera español

    Link  Coursera inglés

    © 2015 |Laboratorio de Microtecnología y Sistemas Embebidos | Centro de Investigación en Computación | Instituto Politécnico Nacional