ACI777

Curso de Análisis de Datos

Profesor: Dante Travisany

El análisis de datos y el machine learning han conquistado la industria moderna, algunas tareas del machine learning son:

1. Sugerir resultados en búsquedas online.
2. Reconocimiento de voz en smartphones y software de ofimática.
3. Predecir comportamiento de clientes, el clima y un gran etcétera.

En este curso entenderemos el concepto de datos, sus formatos; procesos fundamentales como la limpieza (curación o Data cleaning), métricas explorativas que nos permitiran conducir el análisis, generar visualizaciones y poder realizar el procesamiento para la construcción de modelos predictivos. Desde un componente práctico y uno teórico.

Unidad I - Puesta a punto

En esta unidad veremos una introducción a diversos trabajos donde se realiza análisis de datos y pondremos a punto los toolkits que utilizaremos durante el curso.

1. Introducción al análisis de datos, toolkit y ejemplos prácticos.

   1. Tutorial Instalación de Anaconda

2. Repaso de Python.

   1. Introducción a Jupyter Notebooks

   2. Práctico Python en Jupyter Notebooks

3. Paquetes para cálculo científico, ciencia de datos y aprendizaje automático.

   1. Práctico de Paquetes en Python

4. Introducción a git.

   1. Instalación de Git.
   2. Práctico git basics Git.
   3. Práctico git en github.

5. Evaluación Ejercicio 1

   1. Ejercicio 1, Primer Proyecto Github con un Jupyter Notebook

⚠️ A pedido del público he subido un ejemplo de código con jupyter-notebook aquí

Para que resuelvan algunas dudas con los csv y con matplotlib.pyplot.

CLASE 22 de septiembre

El nuevo Jupyter-Notebook que vimos en clases paso a paso lo encuentran aquí

Unidad II - Estadística, Datos y Pandas

En esta unidad repasaremos herramientas de estadística descriptiva y luego exploraremos el paquete Pandas de Python.

1. Estadística Descriptiva aquí.

2. Formatos de archivos de datos y su manipulación aquí.

3. Pandas y la exploración de datos aquí / Bonus Maps.

4. Filtrado de datos clase 1 y práctico.
   4.1 Primera Hora 03 Nov 2021

   4.2 Segunda Parte 03 Nov 2021

   4.3 Tercera Parte 03 Nov 2021

Todo el contenido acá

Unidad III - Aprendizaje de Máquina

1. Introducción. (SLIDES EN BlackBoard)
2. Entrenamiento de Modelos.
3. Clasificación.
4. Máquinas de vectores de soporte.
5. Árboles de decisión y Random Forest.
6. Reducción de dimensionalidad.
7. Aprendizaje No Supervisado.