Recorrido por ciencia de datos, machine learning y deep learning con Python. 3 cursos, nivel intermedio.
Certificado del Programa
Los usuarios que se suscriban a este curso, tienen la oportunidad de obtener un Certificado de estudios con validez SEP , verificable, imprimible y descargable (PDF) .
Para Obtener tu certificado SEP deberás presentar tu certificado de finalización de coursera. Tu membresía tiene incluida la emisión de 1 Certificado para el curso que elijas.
Si quieres cursar otro programa con certificado este tiene un costo de emisión de MXN $1,950
-
-
- Arrancando Motores 00:10:00
- Introducción a la semana 1 00:00:45
- Presentación de tu profesor 00:01:04
- Lo que encontrarás en la semana 1 00:10:00
- Presentación 00:10:00
- ¿Qué es la Ciencia de Datos? 00:10:00
- Introduction to Data Science 00:03:55
- ¿Por qué Python? 00:10:00
- Introducción a Python 00:01:57
- Instalación de Python 00:04:32
- Descargas de Python/ Anaconda 00:10:00
- Explorando Juypter 00:06:39
- Presentación 00:10:00
- Presentación de la Unidad 00:10:00
- Tipos de datos en el mundo real 00:05:43
- Cuestionario: Tipos de datos 00:20:00
- Variables en Python 00:04:18
- Cuestionario: Tipos de variables 00:20:00
- Cadenas de texto y listas 00:08:19
- Cuestionario: Cadenas de texto y listas 00:20:00
- Estructuras de control 00:09:39
- Cuestionario: Estructuras de control 00:20:00
- Las funciones 00:10:00
- Funciones 00:07:40
- Cuestionario: Funciones 00:20:00
- Estructuras de datos 00:10:00
- Presentación 00:00:52
- Cuestionario: Estructura de datos 00:20:00
- Estructuras de datos en Python 00:09:57
- Cuestionario: Estructura de datos en Python 00:20:00
- Punto de control 1 00:20:00
- Cierre de la unidad 00:10:00
- Presentación 00:10:00
- Bienvenido a la semana 2 00:10:00
- Introducción a la semana 2 00:00:53
- Lo que encontrarás en la semana 2 00:10:00
- Presentación 00:10:00
- Pandas basic concepts 00:00:44
- Cuestionario: Dataframes en Pandas 00:20:00
- Obteniendo datos de Kaggle 00:02:08
- Tutorial 00:01:56
- Indexando en Pandas 00:11:14
- Cuestionario: Indexando en Pandas 00:20:00
- Leyendo diferentes tipos de fuentes 00:05:15
- Cuestionario: Leyendo diferentes tipos de fuentes 00:20:00
- ¿Qué es una serie? 00:00:35
- Página web 00:10:00
- Cuestionario: Series en Pandas 00:20:00
- Trabajando con series 00:05:37
- Presentación de contenidos 00:10:00
- Introducción al Web Scraping 00:01:08
- Usando Web Browser 00:02:02
- Cuestionario: Web Scraping y usando webbrowser 00:20:00
- Usando solicitud 00:15:02
- Cuestionario: Usando solicitud 00:20:00
- Usando Beautifulsoup 00:06:09
- Cuestionario: Usando beautifulsoup 00:20:00
- Presentación 00:10:00
- ¿Qué es la limpieza de datos? 00:01:09
- Preparando los datos con Kaggle 00:08:55
- Limpiando datos con Python 00:09:14
- Cuestionario: Preparando datos con Kaggle y limpiándolos con Python 00:20:00
- Limpieza de datos atípicos por cuartiles 00:05:47
- cOM 00:10:00
- Cuestionario: Limpieza de datos atípicos por cuartiles 00:20:00
- Limpieza de datos atípicos mediante la desviación estándar 00:02:53
- Cuestionario: Limpieza de datos atípicos por desviación estándar 00:20:00
- Punto de control 2 00:20:00
- Cierre 00:10:00
- Presentación 00:10:00
- Introducción a la semana 4 00:00:58
- Lo que encontrarás en la semana 4 00:10:00
- Presentación 00:10:00
- ¿Qué es una base de datos? 00:03:55
- Recurso 4.1.1 00:10:00
- Cuestionario: ¿Qué es una base de datos? 00:20:00
- Lectura: Base de datos. 00:10:00
- Presentación 00:10:00
- ¿Qué es SQL? 00:02:32
- Recurso 4.2.1 00:10:00
- Cuestionario: ¿Qué es SQL? 00:20:00
- Lectura: Qué es y para qué sirve SQL 00:10:00
- Seleccionar: Parte 1 00:08:09
- Seleccionar: Parte 2 00:10:02
- Cuestionario: SELECT INTO 00:20:00
- Cuestionario: Insertar 00:20:00
- Select, donde y join 00:11:28
- Cuestionario: Select, Where y Join 00:20:00
- Modificar la tabla con update y delete 00:06:02
- Cuestionario: Modificando la tabla con Update y Delete 00:20:00
- Pandas con SQL 00:07:16
- Cuestionario: Pandas con SQL 00:20:00
- ¿Qué es NoSQL? 00:04:25
- Recurso 4.2.7 00:10:00
- Cuestionario: ¿Qué es NoSQL? 00:20:00
- Punto de control 4 00:20:00
- Cierre semana 4 00:01:14
- Cierre 00:10:00
- Agradecimientos 00:10:00
- Enlaces de interés 00:10:00
- Bienvenida a la semana 1 00:10:00
- Introducción a la semana 1 00:01:27
- Contenido de la semana 00:10:00
- Instalación de Python 00:04:09
- Explorando Jupyter 00:06:31
- Cuaderno de ejercicios 1 00:10:00
- Introducción al modelado de datos 00:10:00
- Introducción al modelado de datos 00:00:46
- Identificar los tipos de modelos 00:10:00
- Identificar los tipos de modelos 00:07:52
- Texto: Identificando los tipos de modelos 00:10:00
- Cuestionario: Identificando los tipos de modelos 00:20:00
- Introducción 00:10:00
- Aprendizaje automático 00:07:25
- Aprendizaje automático y regresión lineal 00:10:00
- Cuestionario: Aprendizaje automático 00:20:00
- Nota 00:10:00
- Tipos de aprendizaje 00:07:48
- Estilos de aprendizaje 00:10:00
- Scikit-learn 00:03:03
- Cuestionario: Scikit-learn 00:20:00
- Presentación 00:10:00
- Creando nuestro primer modelo 00:14:24
- Cuestionario: Creando nuestro primer modelo 00:20:00
- Presentación 00:10:00
- Métricas de error 00:08:49
- Cuestionario: Métricas de error 00:20:00
- Nueva lectura 00:10:00
- Entrenamiento y Prueba 00:06:52
- Cuestionario: Entrenamiento y prueba 00:20:00
- Nueva lectura 00:10:00
- Validación cruzada 00:11:11
- Cuestionario: Validación cruzada 00:20:00
- Cierre de la semana 1 00:01:39
- Bienvenida semana 3 00:10:00
- Introducción a la semana 3 00:01:13
- Contenido de la semana 3 00:10:00
- Cuaderno de la semana 3 00:10:00
- Curvas ROC 00:10:00
- Curvas ROC 00:13:06
- Cuestionario: Curvas ROC 00:20:00
- Presentación 00:10:00
- Curvas CAP 00:09:49
- Cuestionario: Curvas CAP 00:20:00
- Variables Dummy 00:10:00
- Variables Dummy 00:09:02
- Cuestionario: Variables ficticias 00:20:00
- Selección de características relevantes 00:10:00
- Selección de características relevantes 00:13:41
- Cuestionario: Selección de características relevantes 00:20:00
- Matriz de correlación 00:10:00
- Matriz de correlación 00:08:36
- Cuestionario: Matriz de correlación 00:20:00
- Presentación 00:10:00
- Teoría sobre métodos de regresión y ensamblaje 00:17:12
- Cuestionario: Teoría sobre Métodos de Regresión y Ensamble 00:20:00
- Práctica sobre métodos de regresión y ensamblaje 00:06:20
- Cuestionario: Ejercicio práctico sobre métodos de regresión y ensamblaje 00:20:00
- Cierre de la semana 3 00:00:41
- Introducción a la semana 2 00:01:09
- Contenido de la semana 00:30:00
- Tensorflow and its importance 00:01:44
- Cuestionario 12: TensorFlow y su importancia 00:20:00
- Tensores 00:01:07
- Cuestionario 13: Tensores 00:20:00
- Instalación de Tensorflow y Keras 00:09:16
- Observación 00:30:00
- Probando la instalación con la función XOR 00:13:03
- Cuestionario 14: Probando la instalación 00:20:00
- Dígitos manuscritos con Keras: Limpieza de datos 00:11:01
- Dígitos manuscritos con Keras: Construyendo y entrenando la NN 00:09:27
- Cuestionario 15: Construyendo y entrenando la NN 00:20:00
- Dígitos manuscritos con Keras: Evaluación de la red neuronal 00:11:40
- Cuestionario 16: Evaluación de la red neuronal 00:20:00
- NN cancer screening 00:14:38
- Cuestionario 17: Detección de cáncer de mama con NN 00:20:00
- Cierre de la semana 2 00:02:13
- Introducción a la semana 4 00:01:08
- Contenido de la semana 00:30:00
- ¿Qué es una red neuronal recurrente? 00:03:43
- Cuestionario 26: ¿Qué es una red neuronal recurrente? 00:20:00
- ¿Qué es una red neuronal de corto y largo plazo? 00:09:16
- Cuestionario 27: ¿Qué es una red neuronal de corto y largo plazo? 00:20:00
- Generación de texto: Exploración de datos 00:09:35
- Generación de texto: Preparación de datos 00:06:34
- Generación de texto: Construcción de modelo 00:07:30
- Generación de texto 00:06:38
- Cierre de semana 4 00:01:04
- HTML en bruto 00:30:00
- Cierre del curso 00:10:00
Comparte esta certificación.
Información del Curso
240 Horas Curriculares
24 Créditos Académicos
Accede por tu Smartphone
Certificado oficial SEP
Aprendizaje especializado
Contenido de la Certificación
Recorrido por ciencia de datos, machine learning y deep learning con Python. 3 cursos, nivel intermedio.
1) Especialización integral para dominar ciencia de datos y IA con Python, de la preparación de datos al modelado y redes neuronales.
2) Trabajarás con Pandas, Matplotlib, scikit‑learn, TensorFlow y Keras para construir modelos predictivos.
3) Termina con aplicaciones de deep learning como visión y generación de texto.
Viñetas (debajo del resumen):
• Preparar y visualizar datos con Python.
• Construir modelos de regresión y clasificación.
• Aplicar deep learning con TensorFlow/Keras.
Habilidades:
Python, Pandas, Matplotlib, scikit‑learn, TensorFlow, Keras, Modelado predictivo, Redes neuronales
CURSO 1: Data Science: Tus Primeros Pasos con Python
- Fundamentos de Python para datos, limpieza y visualización.
CURSO 2: Modelos predictivos con Machine Learning
- Regresión, clasificación, validación y métricas.
CURSO 3: Deep Learning: Del Concepto a la Práctica
- Redes neuronales, visión e IAG/NLP de introducción.
