CURSO PYTHON PARA INGENIERÍA DE DATOS E INTELIGENCIA ARTIFICIAL

INTRODUCCIÓN

• Conceptos de Inteligencia Artificial, Aprendizaje Automático y Minería de Datos.
• Aplicaciones y casos de uso en la industria.
• Definición de aprendizaje, tareas básicas y ejemplos.
• Etapas en el descubrimiento de conocimiento y procesamiento de datos.

PYTHON PARA LA IMPLEMENTACIÓN DE TÉCNICAS DE IA

• Fundamentos del lenguaje Python: conceptos básicos e instalación.
• Sintaxis de Python y estructuras de datos (listas, tuplas, conjuntos, diccionarios).
• Librerías esenciales para análisis de datos: Pandas, NumPy, Matplotlib, Seaborn.
• Manejo y transformación de datos con NumPy y Pandas.
• Importación y limpieza de datos.
• Introducción a Machine Learning con Scikit-Learn y TensorFlow.

PROCESAMIENTO Y MANEJO DE DATOS

• Manejo de datos estructurados y no estructurados con Pandas y NumPy.
• Conexión a bases de datos con SQLAlchemy y PySpark.
• Integración de Kafka con Python: Confluent Kafka, Faust.

ÁRBOLES DE DECISIÓN

• Representación del conocimiento mediante árboles de decisión.
• Algoritmo de aprendizaje ID3 y C4.5.
• Selección de atributos y métricas de precisión (Curva ROC, validación cruzada).
• Prevención de sobreajuste y poda de árboles.

REGLAS DE CLASIFICACIÓN Y ASOCIACIÓN

• Reglas de clasificación y reglas de asociación.
• Algoritmos para aprendizaje de reglas de clasificación.
• Algoritmos para aprendizaje de reglas de asociación (Apriori, FP-Growth).

REDES NEURONALES ARTIFICIALES

• La neurona artificial y su funcionamiento.
• Modelos predictivos con Scikit-Learn, TensorFlow y PyTorch.
• Streaming ML con Kafka: Aplicaciones en detección de fraudes, IoT y analítica en tiempo real.
• Redes neuronales multicapa (MLP) y su entrenamiento.
• Redes neuronales recurrentes (RNN, LSTM, GRU).
• Introducción a redes neuronales de Hopfield y arquitecturas avanzadas.