Diplomado en
Datos con Python

El Diplomado en Ciencia de Datos con Python es un programa 100% virtual con una duración de 96 horas, desarrollado para formar profesionales en el uso del lenguaje de programación Python aplicado al análisis de datos. Este curso no requiere experiencia previa en programación, ya que aborda desde fundamentos básicos hasta técnicas avanzadas, como aprendizaje automático. Los participantes aprenderán a analizar datos, generar visualizaciones efectivas y aplicar modelos estadísticos para resolver problemas del mundo real.

Inversión: $2.700.000

Solicita más información

Déjanos tus datos y uno de nuestros asesores te contactará

 

 

 

 

¡Cupos limitados!

Inicio

Semana del 24 de febrero

Duración

96 horas

Horario

Autónomo, con encuentros sincrónicos

Modalidad

Virtual

*Los horarios de las sesiones sincrónicas serán concertados al inicio de la formación y su asistencia es voluntaria.

*La apertura de los programas está sujeta al mínimo de matrículas

*La primera semana de formación corresponde únicamente a la inducción del programa y conocimiento del funcionamiento de la plataforma

Objetivo

Con este diplomado aprenderás las habilidades necesarias para convertirte en un profesional capaz de abordar problemas del mundo real utilizando técnicas de ciencia de datos. Aprenderás a extraer información valiosa de los datos, comunicar tus hallazgos de forma efectiva y contribuir al éxito de tu organización.

Dirigido a

Este programa está dirigido a cualquier persona que quiera adquirir las habilidades necesarias para analizar datos utilizando el lenguaje de programación Python. No se requiere experiencia previa en programación, por lo que es ideal para estudiantes, profesionales de cualquier área que deseen complementar sus habilidades, o cualquier persona interesada en el apasionante mundo del análisis de datos.

Área que ofrece

Facultad de Ingeniería – Unisabana e-learning

Plan de estudios

    • Conceptos básicos de programación: variables, tipos de datos, operadores.
    • Estructuras de control: condicionales, bucles.
    • Funciones y módulos: definición, uso.
    • Importación de datos desde diferentes formatos (CSV, Excel, JSON, etc.).
    • Manipulación de datos con Pandas.
    • Detección y eliminación de errores, valores inconsistentes y duplicados.
    • Creación de gráficos y visualizaciones con Matplotlib, Seaborn y otras bibliotecas.
    • Medidas de resumen: media, mediana, moda, desviación estándar.
    • Pruebas de hipótesis: t-test, ANOVA, Chi-squared.
    • Regresión lineal: ajuste de modelos, interpretación de resultados.
    • Conceptos básicos: clasificación, regresión, agrupamiento.
    • Clustering: K-means, DBSCAN, jerárquico.
    • Reducción de dimensionalidad: PCA, t-SNE.
    • Detección de anomalías: Isolation Forest, Local Outlier Factor.
    • Regresión: lineal, logística, K-Nearest Neighbors (KNN).
    • Clasificación: Support Vector Machines (SVM), Random Forest, redes neuronales.

Mayor información

Ana Maria Espinel Choachi

Coordinadora de Promoción de Educación Continua
Dirección de Lifelong Learning
Universidad de La Sabana
Chía, Campus del Puente del Común
Móvil / WhatsApp: +57 310 2331368
 

Estudia en una universidad que entiende el mercado actual y proyecta un futuro mejor para ti.

Elige una opción académica con altos estándares de calidad, que contribuya en tu formación para alcanzar el éxito.

Admisión   Modelo educativo  Estudiantes   Solicitud de Admisión