Hemos ganado licitaciones que nos han permitido contribuir al desarrollo profesional de empresas del estado.
1. Anaconda. Instalación y configuración. Spyder.
2. Variables y Parámetros. Importar datos. Control flow.
3. Estructura de datos y secuencias. Series, Tuplas, Listas y Matrices.
4. NumPy.
5. Pandas, DataFrames, Vectores. ETL.
6. SciPy.
7. Scikit-learn: estructura – modelos y alcance.
8. Statsmodels.
9. Librerías para Visualización
1. Métodos vectoriales en Numpy. 2. Pandas DataFrames. Sorting y Ranking. Operaciones de almacenes de datos en Pandas. 3. Preprocesamiento de Datos. Data Warehousing. 4. Datos Mixtos. Combinación y fusión. Casos. 5. Pandas: agregación de datos. 6. Pandas: Herramientas avanzadas. 7. Serialización. 8. Programación funcional de Python.
1. Vectorización. 2. Gradiente descendente. Métodos. 3. Regresiones y análisis inferencial. Aplicaciones. 4. Máquinas de soporte vectorial.
1. Computación distribuida – HPC. 2. Hadoop en contexto. Ecosistema. Referencia de comandos. Configuración del entorno. 3. Hadoop: Particionamiento de bases de datos. Nodos simples. Varios nodos en clúster. 4. MapReduce en HDFS. 5. HDFS – YARN. Operaciones. 6. Crear aplicaciones YARN. Comunicaciones – Cliente y Máster. 7. Apache Hive e Impala. Apache Flume y HBase – Pig. 8. Apache Spark – Arquitectura en clúster. 9. Spark: procesamiento en paralelo – Background e interfaces. 10. Spark Shell: procesamiento en batch y streaming. 11. PySpark: funciones, loops, carga y lectura de bases de datos – RDD – Procesamiento. 12. PySpark: pipelines, machine learning, ejecución distribuida.
1. Deep Learning: TensorFlow. 2. TensorFlow: Bases, arquitectura, instalación y configuración. Sesiones y operadores. 3. TensorFlow: Tensorboard – Regresiones y Clasificaciones. 4. TensorFlow ANN – ConvNet – RNN. 5. Alcance: clasificación de Imágenes y texto.