Acceso:
1. Liga al curso
Contenido
1. Descripción del programa
2. Sobre la logística del taller (Incio de curso)
3. Sobre los Instructores
4. Temario
Descripción del programa
¡Hola! Cómo sabes, resolver un problema con métodos/estrategias de Machine
🧮
Learning/Ciencia de Datos te exige más que entender las bases teóricas
👇👇👇
matemáticas . Para resolver integralmente un problema con esta tecnología
debes saber cómo efectuar las siguientes tareas .
⚙️💻🛠️
Para que logres alcanzar el nivel necesario en datos, te propongo que trabajemos de
la siguiente forma :
Objetivo: Adquirir las habilidades para desarrollar este proyecto propuesto
¿Cómo trabajaré contigo en cada módulo? Lee mi propuesta 👀👇
🗄️
Módulo 0 | 6 Semanas - 30 horas
Primero debes saber cómo se almacenan los datos en las empresas . Por eso me
comprometo a que al finalizar este primer módulo seas capaz de manipular datos
🤖
para crear datasets que puedan servir de entrenamiento a métodos de Machine
Learning . Para esto, te mostraré cómo suelen distribuirse los datos en las
🔢
empresas, qué tipo de datos existen, y qué herramientas de software puedes usar
para la manipulación de datos . Además, aprenderemos un poco más sobre el
mundo del Big Data.
● Cómo iniciar a manipular datos en bases de datos relacionales y no
relacionales. - Dr. Alan López
● Cómo implementar pipelines de datos. - Dr. Alan López
● Cómo usar SQL para procesos de ingesta, extracción y transformación de
datos. - Dr. Alan López
● Cómo usar MongoDB para procesos de ingesta, extracción y transformación
de datos. - Dr. Alan López
● Cómo manipular grandes cantidades de datos: Introducción al Big Data. - Dr.
Alan López
Módulo 1 | 3 Semanas - 15 horas
🎯
Si no entiendes el problema, ¿Cómo puedes resolverlo?. Si no entiendes los recursos
que tienes, ¿Cómo puedes proponer una solución? El objetivo de este módulo es
que alcances la madurez necesaria para saber cómo comunicarte con los
stakeholders y acordar una solución que los deje convencidos. Además, al finalizar
🤓☝️
este módulo serás capaz de realizar análisis exploratorios en tus datos para
proponer hipótesis pertinentes .
● Cómo iniciar con el levantamiento de requerimientos comerciales y técnicos. -
Ing. Octavio Herrera, Dr. Alan López
● Cómo analizar los requerimientos comerciales para la Ciencia de
Datos/Machine Learning. - Dr. Alan López
● Cómo explorar los datasets en búsqueda de hipótesis iniciales. - Dr. Alan
López
💪
Módulo 2 | 9 Semanas - 45 horas
Este es el módulo más largo , y por una buena razón. Durante nueve semanas
aprenderás los conceptos teóricos que soportan los algoritmos de Machine learning.
📷 🎤📝
Además, trabajarás de la mano con expertos en el análisis de datos espaciales
(imágenes) y temporales (texto, voz, etc) .
● Cómo generar valor con Ciencia de Datos. - Dr. Alan López
● Cómo resolver problemas con aprendizaje supervisado. - Dr. Alan López
● Cómo resolver problemas con aprendizaje no supervisado. - Dr. Alan López
● Cómo trabajar con datos no estructurados (Imágenes). - Dr. Alan López
● Cómo trabajar con datos no estructurados de forma eficiente (Texto). - Dra.
Irazú Farías
● Cómo analizar sentimientos para generar valor. - Dra. Irazú Farías
● Qué pasos seguir si decido especializarme en Procesamiento de Lenguaje
Natural. - Dra. Irazú Farías
Módulo 3 | 3 Semanas - 15 horas
Para lograr resolver ciertos problemas a veces el Machine Learning no es suficiente.
Para aumentar tus habilidades y conocimientos, en este módulo practicarás con
modelos de Deep Learning o aprendizaje profundo. En otras palabras, entrenarás
arquitecturas de redes neuronales profundas.
● Cómo usar las redes neuronales: Introducción al aprendizaje profundo. - Dr.
Alan López
● Cómo entrenar con datos espaciales: introducción a las redes neuronales
convolucionales. - Dr. Alan López
● Cómo entrenar con datos temporales: introducción a las redes neuronales
recurrentes. - Dr. Alan López
😮
Módulo 4 | 2 Semanas - 10 horas
A estas alturas ya habrán pasado cuatro meses , y tendrás las habilidades para
manipular datos y crear tus datasets, también sabrás cómo proponer la solución de
👩🏻💻👨🏻💻
problemas con Machine Learning, y de entrenar y evaluar los modelos que generes
. En este momento es hora de que aprendas cómo podrías desplegar tus
modelos en producción. Para esto, este módulo tiene el objetivo de introducirte en el
mundo de la arquitectura de software de la mano de expertos en el área.
● Introducción a DevOps. - Ing. Ángel Ruiz
● Introducción a Microservicios con Python. - Ing. Ángel Ruiz
● Cómo definir la mejor estrategia de despliegue para mis modelos de Ciencia
de datos/Machine Learning. - Ing. Aarón Herrera
● Cómo elegir entre CI y CD para los pipelines de despliegue. - Ing. Aarón
Herrera
😩
Módulo 5 | 2 Semanas o 10 horas
🎉
Uff puede que estés dando tus últimas fuerzas para terminar el taller. Felicidades
por todo tu esfuerzo . No quiero dejarte a tu suerte, así que en estas últimas dos
semanas platicaremos sobre cómo puedes integrar todo tu conocimiento en
soluciones reales. Además, dos reclutadores tech compartirán contigo sus consejos
y secretos sobre cómo prepararte para tu primer trabajo en datos.
● Cómo integrar todo lo aprendido en un proyecto real. - Dr. Alan López
● Cómo crear un portafolio de proyectos que impacte a los reclutadores. - Dr.
Alan López
● Cómo prepararse para la búsqueda y posterior entrevista laboral. - Lic.
Esteban Macías
● Cómo prepararme para mi primer trabajo en tech - Lic. Karla Guerrero
Sobre los instructores
🤣
● Dr. Alan López. Este soy yo . Soy doctor en Ciencias con especialidad en
Machine Learning aplicado al procesamiento digital de imágenes. Sin
embargo, por mi puesto de lead de investigación en Forte Innovation
Consulting, he participado en proyectos que involucran datos para la industria
electrónica, finanzas y transporte. Aunque yo soy el instructor principal del
🤝🏼
taller, he invitado a más expertos para fortalecer tus conocimientos. Te los
presento .
● Ing. Aarón Herrera. Líder técnico y Desarrollador Full Stack Senior en Forte
Innovation Consulting. Es ingeniero en sistemas con más de 6 años de
experiencia en desarrollo de sistemas, y 2 años en redes y seguridad. Ha
colaborado en el despliegue en producción de diferentes soluciones para los
clientes de Forte. Debido a su experiencia, él te ayudará a entender qué
significa desplegar en producción, además de mostrarte cómo puedes
planificar el despliegue.
● Ing. Octavio Herrera. Octavio es CTO en Forte Innovation Consulting. Como
CTO sus responsabilidades son validar las propuestas tecnológicas para la
solución de los problemas de los clientes de Forte. Él compartirá su
experiencia contigo sobre cómo levantar requerimientos comerciales.
● Ing. Ángel Ruiz. Ángel es un experto en desarrollo de software. Actualmente
trabaja en HCL Technologies, una empresa transnacional de desarrollo de
software. Como experto en arquitectura de software, Ángel te introducirá al
mundo de DevOps y Microservicios en Python.
● Dra. Irazú Farías. Irazú es doctora en informática, y ha publicado varios
artículos sobre inteligencia artificial en revistas científicas de renombre.
Actualmente es profesora en la Universidad de Guanajuato y ha trabajado en
distintos proyectos que involucran Deep Learning para el procesamiento de
lenguaje natural. Irazú te enseñará cómo trabajar con datos para generar valor
con el análisis de sentimientos.
● Lic. Esteban Macías. Esteban se desempeña como Culture & Talent
Ambassador en Crabi. El tiene experiencia reclutando para el sector de
tecnologías de la información. Estoy seguro de que sus consejos te ayudarán
a prepararte para ese puesto que buscas.
● Lic. Karla Guerrero. Ella es Sr IT Talent Acquisition Specialist en Konfio. Es
una cazadora de talento TI. Karla está dispuesta a mostrarte los pasos que
debes seguir para mejorar tus posibilidades en procesos de selección.
Temario
Módulo 0 (Semanas 1 - 6)
Tema
Qué son los datos, y cómo se almacenan
Cómo iniciar con bases de datos relacionales
Cómo manipular datos con SQL (Sqlite3)
Manos a la obra - Practiquemos con SQL
Cómo iniciar con bases de datos no relacionales
Cómo manipular datos con MongoDB
Manos a la obra - Practiquemos con MongoDB
Cómo implementar pipelines de datos.
Manos a la obra - ETL con bases de datos SQL y NoSQL
Repaso y resolución de dudas de los ejercicios
Hablemos de otros motores de BD y Big Data
Big Data y el Machine Learning
Módulo 1 (Semanas 7 - 9)
Tema
Cómo empiezan las iniciativas de DS/ML
Cómo iniciar con el levantamiento de requerimientos
Cómo analizar los requerimientos técnicos y comerciales
Manos a la obra - Cómo resolverías este problema
Cómo explorar los datasets para sugerir hipótesis iniciales
Repaso y resolución de dudas de los ejercicios
Módulo 2 (Semanas 10 - 18)
Tema
Cómo generar valor con Machine Learning - Parte I
Cómo generar valor con Machine Learning - Parte II
Aprendizaje Supervisado: Primeros pasos
Aprendizaje Supervisado: SVM
Proyecto - Parte I
Repaso y resolución de dudas de los ejercicios
Aprendizaje Supervisado: KNN
Aprendizaje Supervisado: Näive Bayes
Repaso y resolución de dudas de los ejercicios
Aprendizaje No Supervisado: Primeros Pasos
Aprendizaje No Supervisado: K-Medios
Cómo trabajar con datos no estructurados (Texto)
Manos a la obra - Ejercicios prácticos
Cómo analizar sentimientos para generar valor
Qué pasos seguir si decido especializarme en PLN
Repaso y resolución de dudas de los ejercicios
Reducción de Dimensiones
Proyecto - Parte II
Módulo 3 (Semanas 18 - 21)
Tema
Cómo usar las redes neuronales: Introducción
Manos a la obra - Trabajemos con TensorFlow y Pytorch
Cómo entrenar con datos espaciales: CNN
Cómo entrenar con datos temporales: RNN
Ejercicios de práctica
Repaso y resolución de dudas de los ejercicios
Módulo 4 (Semanas 22 - 23)
Tema
Introducción a DevOps
Introducción a Microservicios con Python
Cómo definir la mejor estrategia de despliegue
Cómo elegir entre CI y CD para los pipelines de despliegue
Módulo 5 (Semanas 24 - 25)
Tema
Cómo integrar todo lo aprendido en un proyecto real
Consejos de reclutadores TI
Cómo crear un portafolio de proyectos que impacte
Tips de entrevistas
