DIPLOMADO DE ACTUALIZACIÓN PROFESIONAL

CIENCIA DE DATOS CON PYTHON

REGISTRO OFICIAL SEEM 17DAP65221

13
Agosto de 2022

administracion@[Link]
[Link]@[Link]
735 339 27 95
[Link]
Información

Objetivo: Si requiere factura, favor de enviar los datos vía correo

Introducirse de forma básica en la ciencia de datos con Python a través de un recorrido por cinco
módulos formativos, que aúnan las habilidades complementarias que debe tener un científico de electrónico a administracion@[Link] o a través del
datos con Python. formulario de Inscripción
A quién va dirigido:
Licenciados en general,
Ingenieros en general,
Maestros,
Procedimiento de inscripción
Doctores e Investigadores.

Inicio: 13 de agosto de 2022

Termino: 14 de enero de 2023 Llenar el formulario de inscripción
No. de hrs. 200 hrs. de estudio,
Modalidad: Virtual más sesiones online
Sesión online: Sábados de 9:00 am a 11:00 am
Escanee el código
para llenar el formulario
Tres Modalidades de pago
¡¡¡Elige la opción que más te convenga!!!.
Costo de inscripción $1,000.00 MXN en cualquiera de las
modalidades de pago

Cuenta PayPal
con tarjeta de crédito hasta 6 meses sin intereses
PRIMERA OPCIÓN

$15,000.00 MXN
Vía Paypal (con tarjeta de crédito) Una vez que hayamos recibido su información le
estaremos dando indicaciones del seguimiento a través de
1.- Ingresar en el siguiente link su correo electrónico

[Link]

2.- Seleccionamos la opción "Enviar"

3.- Colocamos el monto a pagar
$15,000.00 Realizar el pago del diplomado y enviar por correo el
4.- Elegimos los meses deseados a comprobante de pago:
pagar de 1 a 6 meses Imangen de Ejemplo [Link]@[Link] o administracion@[Link]
SEGUNDA OPCIÓN

En una sola exhibición

(Transferencia o Depósito)
$13,500.00 MXN
Banco BBVA
PROMOTORA DE FORMACIÓN ASML, S.C
Cuenta: 0113456544
Clave interbancaria: 012542001134565445

En 5 pagos diferidos
TERCERA OPCIÓN

(Transferencia o Depósito)
$14,500.00 MXN
1. Primera mensualidad con el pago de inscripción $2,900.00
2. Septiembre del 1al 5 $2,900.00 MXN
3. Octubre del 1 al 5 $2,900.00 MXN
4. Noviembre del 1 al 5 $2,900.00 MXN
5. Diciembre 1 al 5 $2,900.00 MXN
Contenido

1
MÓDULO I. Fundamentos y estructura del lenguaje Python. Tema 7. Comprensiones y generaciones.
Tema 1. Introducción. 7.1. Listar Comprehensiones.
1.1. Lenguaje de Programación Python. 7.2. Herramientas Funcionales.
7.3. Funciones y expresiones del generador.
1.2. Áreas de aplicación de Python.
1.3. Python 2 vs Python 3.
Tema 8. Colecciones.
1.4. Instalación Python y Configuración. 8.1. Listas.
1.5. Ejecución de Programa de Python. 8.2. Tuplas.
1.6. Python con Visual Studio Code. 8.3. Diccionarios.
1.7. Python con Júpiter. 8.4. Conjuntos.
1.8. Estructura principal del Lenguaje. 8.5. Linked lists.
8.6. Linked List Node.
8.7. Heapd.
Tema 2. Pip.
8.8. Array.
2.1. PyPI Package Manager.
2.2. To list all packages installed using `pip`.
2.3. Upgrade Packages. Tema 9. Bucles y Condicionales.
2.4. Uninstall Packages. 9.1. Bucle For loops.
2.5. Updating all outdated packages on Linux. 9.2. Bucle While, Break and Continue in Loops.
2.6. Updating all outdated packages on Windows. 9.3. Iterating over lists.
2.7. Create a [Link] file of all packages on the 9.4. Loops with an «else» clause.
9.5. The Pass Statement.
system.
9.6. Iterating over dictionaries.
2.8. Instalar con wheel (Paquetes externos).
9.7. The «half loop» do-while.
9.8. Looping and Unpacking.
Tema 3. Módulo, paquetes y namespaces. 9.9. Iterating different portion of a list with dierent step size.
9.10. While Loop.
Tema 4. Sintaxis y Fundamentos del lenguaje. 9.11. Condicional if .. else.
4.1. Funciones.
4.2. Funciones lambda. Tema 10. Operación Booleana.
10.1. And.
4.3. Clases y Objetos.
10.2. Or.
4.4. Sangrías.
10.3. Not.
4.5. Comentarios y Documentación. 10.4. Short-circuit evaluation.

Tema 5. Variables y Tipo de Datos. Tema 11. Alcance de Variables.

5.1. Funciones. 11.1. Variable.
5.2. Funciones lambda. 11.2. Variable Globales.
5.3. Clases y Objetos. 11.3. Variable Locales.
11.4. Alcance Adjunto ( Enclosing scope).
5.4. Sangrías.
11.5. Alcance Incorporado (Built-in scope).
5.5. Comentarios y Documentación.
11.6. LEGB.
11.7. PEP8.
Tema 6. Operaciones matemáticas. 11.8. Palabras Claves Globales.
6.1. Funciones. 11.9. Palabra clave no local.
6.2. Funciones lambda.
6.3. Clases y Objetos.
6.4. Sangrías.
6.5. Comentarios y Documentación.
Contenido

2
MÓDULO II. Bases de POO y Almacenamiento de Datos
Tema 1. Introducción.
Tema 8. Manejo de bases de datos en Python
[Link] del modelo de objetos: clases, objetos,
abstracción, modularidad, encapsulamiento, herencia y
Tema 9. Introducción a base de datos.
polimorfismo.
[Link] de modelado unificado: diagrama de clases. 9.1. El lenguaje SQL.
9.2. Sintaxis básica de las sentencias SQL.
Tema 2. Clases y Objetos. 9.3. Crear, borrar y modificar tablas en una base de datos.
2.1. Método __init__. 9.4. Insertar datos en una tabla.
2.2. Parámetro self. 9.5. Seleccionar registros.
2.3. Atributos. 9.6. Modificar registros.
2.3.1. Clase. 9.7. Eliminar registros.
2.3.2. Instancia. 9.8. Consultas.
2.4. Métodos.
2.4.1. Instancia. Tema 10. Bases de datos en Python con DB-API.
2.4.2. Mágicos. 10.1. Introducción a bases de datos con Python.
2.5. Encapsulamiento. 10.2. Conectarse a la base de datos y ejecutar consultas.
2.6. Instanciación de clase.
10.3. Insertar datos.
2.7. Referencia de objeto.
10.4. Seleccionar todos los registros.
2.8. Protección de atributos y métodos.
10.5. Seleccionar solo registros coincidentes.
Tema 3. Herencia. 10.6. Eliminar registros.
3.1. Definición clase base y clase derivada. 10.7. Actualizar datos.
3.2. Herencia simple.
3.3. Herencia múltiple.

Tema 4. Polimorfismo.
4.1. Clases abstractas.
4.2. Interfaces.
4.3. Variables polimórficas.
4.4. Reutilización de código.

Tema 5. Errores y Excepciones.

5.1. Errores de sintaxis.
5.2. Manejo de excepciones.

Tema 6. Clases asociación y agregación.

6.1. Agregación.
6.2. Asociación.
6.3. Inheritance.

Tema 7. Flujos y archivos.

7.1. Módulos os y sys.
7.2. Objetos File.
7.2.1. Apertura.
7.2.2. Lectura.
7.2.3. Escritura.
7.2.4. Posición.
Contenido

3 MÓDULO III. Interfaz gráfica de usuario con Tkinter

Tema 1. Introducción.
1.1. Interfaces gráficas con Tkinter.
1.2. Recursos.
1.3. Widgets.
Tema 10. Menú.
10.1. Command.
10.2. Separator.
10.3. Barra de Menú.
10.4. Cascade.
Tema 19. Proyecto.
19.1. Obtención de requerimientos.
19.2. Modelado de arquitectura.
19.3. Desarrollo Aplicación de control de gastos.
19.4. Despliegue de aplicación.
Tema 2. Marcos.
2.1. Objeto tk. 10.5. Sub menus.
2.2. Método tk().
2.3. Title(). Tema 11. Pestañas.
2.4. Colores. 11.1. NoteBook.
2.4.1. Configure(). 11.2. Propiedad.
2.4.2. Background.
2.5. Mostrar Ventana . Tema 12. Layout.
2.5.1. Mainloop(). 12.1. Grid.
12.2. Mensajes.
Tema 3. Botones.
3.1. Constructor. Tema 13. Conversiones.
3.2. Propiedad Text.
13.1. StringVar.
13.2. IntVar.
Tema 4. Etiquetas.
4.1. Constructor.
4.2. Propiedad Text. Tema 14. Mensajes.
4.3. Color a etiquetas. 14.1. Método showerror.
14.2. Método showinfo.
Tema 5. Caja de Texto.
5.1. Entry. Tema 15. Diálogos.
5.2. Width. 15.1. Método askyesno.
5.3. TextVariable.
Tema 16. Imágenes.
Tema 6. Botón de Radio. 16.1. Pip install PIL.
6.1. RadioButton. 16.2. Importar biblioteca PIL.
6.2. Método Set. 16.3. Obtener directorio.
6.3. Propiedad Value. 16.4. Parámetro fill.
6.4. Asignación de una Variable.
6.5. text.
Tema 17. ScrollText.
17.1. Propiedad grid Propiedades.
Tema 7. Casilla de Verificación.
7.1. CheckButton.
Tema 18. Acciones.
Tema 8. Lista. 18.1. Botones.
8.1. ListBox. 18.2. Caja de Texto.
8.2. Método insert(). 18.3. Botones de Radio.
18.4. ListBox.
Tema 9. ComboBox. 18.5. ComboBox.
9.1. textVariable. 18.6. Menú.
9.2. values. 18.7. Pestañas.
9.3. current. 18.8. MessageBox.
18.9. Diálogos.
18.10. SpinBox.
18.11. ScrolleText.
Contenido

4
MÓDULO IV. Análisis y Manipulación de Datos
[Link]ón de datos con Matplotlib
Temario [Link] vs Gráficos
[Link]ón 4.2.¿Tipos de Gráficos cuando usar cada uno?
1.1.¿Qué se verá en el curso?
[Link]ón a Matplotlib
[Link] de la explotación de datos
[Link]ón a algoritmos [Link] de Gráficos con Matplotlib
[Link] y Matplotlib Gráficos de Dispersión y Línea
[Link]ón de datos con Numpy Gráficos de Distribución
[Link]
[Link]ón de Datos
[Link] de datos Numpy
[Link]ón de tipos
[Link]ón de arreglos.
[Link]
[Link]ón de arreglos.
[Link].
2.9. Axes numpy.
[Link]ón.
[Link]ón Básica.
[Link].
[Link]ón de funciones.
[Link] y vistas.
[Link]ón relacionales y lógicas.
[Link] arreglos.
[Link] de archivos.

[Link]ón de datos con Pandas

[Link]
[Link]ón de series
[Link]
[Link]
[Link] y vectores
[Link]ón de funciones
[Link] de archivos csv
[Link]
[Link]ón de archivos
[Link]ón de DataFrame
[Link]
[Link]
[Link]
[Link]ón
[Link] resumen
[Link]ón
[Link]ón recuperación de datos
Contenido

5 MÓDULO V. Modelos de Análisis de Datos

[Link]ísticas para Analistas de Datos.

1.1. Estadística Descriptiva

[Link]álisis de Datos Exploratorio y Visualizaciones

1.3. Varianza

[Link]ón Estándar

[Link] de Variables: Cuantitativas y Cualitativas

[Link] de Frecuencia

[Link], Moda y Media

[Link]ística Inferencial para ciencia de datos

[Link] estadística inferencial

[Link]ístico y cálculos

[Link] de hipótesis y validación

[Link] Machine Learning.

[Link]ón lineal

[Link] de tiempo

[Link] y clasificación

3.4.Árboles y bosques aleatorios

Contacto

Contáctanos

administracion@[Link]
[Link]@[Link]
735 339 27 95