Programación en Python orientada a análisis de datos y construcción de modelos predictivos por Machine Learning

Docentes: Dr. Joaquín Pardo (Docente Responsable – Instituto de Investigaciones Bioquímicas de La Plata “Prof. Dr. Rodolfo Brenner”), Lic. Santiago Ariza (Accenture)

Duración: 60 horas

Fecha de realización: del 1 de agosto al 5 de septiembre, lunes, martes, jueves y viernes de 17 a 20 horas.

Resumen del curso
Nuestro curso ofrece una emocionante oportunidad para sumergirse en el apasionante mundo de la Inteligencia
Artificial (IA) y su potencial transformador en el siglo XXI. La IA se ha convertido en una fuerza impulsora que abarca desde el ámbito médico hasta la toma de decisiones empresariales. Con este curso, se adentrará en el corazón de esta revolución tecnológica. A través de Python, aprenderá a analizar bases de datos biomédicos y a utilizar las bibliotecas NumPy, Pandas y Matplotlib para revelar patrones ocultos y obtener conocimientos valiosos.
Además, el curso presentará los fundamentos del aprendizaje automático, construyendo modelos predictivos para
clasificar muestras biomédicas y predecir resultados médicos. También discutiremos la utilidad de modelos que
pronostican precios bursátiles. Pronto, la IA impulsará todos los procesos, desde la investigación científica hasta la toma de decisiones cotidianas, mejorando la eficiencia y brindando soluciones innovadoras para los desafíos de la sociedad. Este curso permitirá formar parte de esta revolución y descubrir el poder de la IA a través de la programación en Python y el aprendizaje automático.
La modalidad virtual permitirá sumergirse en el aprendizaje activo y participativo, combinando clases teóricas
sincrónicas y clases prácticas asincrónicas para una experiencia educativa enriquecedora y flexible.

Programa
Módulo 1: Introducción a Python y Manipulación de Datos. Introducción a Python: Tipos de datos, variables y listas.
Estructuras avanzadas: Diccionarios, tuplas, conjuntos, funciones, condicionales y loops. Explorando el poder de las bibliotecas: Introducción a NumPy, OS, Pandas y Matplotlib para el análisis y visualización de datos.
Desafíos prácticos: Resolución de problemas reales utilizando Python y las bibliotecas de manipulación de datos.
Módulo 2: Fundamentos del Aprendizaje Automático Conceptos esenciales: Introducción al aprendizaje supervisado y no supervisado. Clasificación y Regresión: Comprendiendo los fundamentos de los modelos predictivos en el aprendizaje automático. Poniendo en práctica: Introducción a Sci-kit Learn en Python para desarrollar y evaluar modelos de aprendizaje automático.
Módulo 3: Aplicaciones Avanzadas de Aprendizaje Automático Transformando la salud: Construcción de modelos para clasificar muestras biomédicas y mejorar el diagnóstico médico. Predicción en los mercados: Aplicación de aprendizaje automático en la predicción de precios bursátiles y toma de decisiones financieras. Explorando horizontes: Discusión sobre otras aplicaciones de vanguardia del aprendizaje automático en diversos campos.

Modo de evaluación:
El curso se acreditará mediante un examen final que se realizará de manera sincrónica el último día del curso.