Diplomatura en Python Orientado a Científico de Datos

Explorá todo el trayecto de aprendizaje

Descargar programa

Módulo 1: Nivelación (Optativa)

Unidad 1 Programación Lógica
Unidad 2 Bases de Datos Relacionales y no Relacionales
Unidad 3 Probabilidad y Estadística
Unidad 4 Github

Módulo 2: Introducción Conceptual

Unidad 1 Introducción a Ingeniería de Datos
Unidad 2 Introducción a Data Analytics
Unidad 3 Introducción a Data Warehouse
Unidad 4 Introducción a Data Mining
Unidad 5 Introducción a Knowledge Discovery
Unidad 6 Introducción a Herramientas OLAP y Tableros de Comando
Unidad 7 Repaso de Herramientas Disponibles
Unidad 8 Taxonomía de las Competencias de un Científico de Datos

Módulo 3: Introducción a Python

Unidad 1 Descarga e Instalación
Unidad 2 Principales Librerías
Unidad 3 Variables y Tipos de Datos
Unidad 4 Listas, Tuplas y Diccionarios
Unidad 5 Ejecución Condicional
Unidad 6 Ciclos Definidos e Indefinidos
Unidad 7 Manejo de Excepciones
Unidad 8 Funciones y Generadores
Unidad 9 Clases y Objetos
Unidad 10 Manejo de Archivos y Directorios
Unidad 11 Conexión a Archivos Planos
Unidad 12 Conexión a Excel
Unidad 13 Conexión a Bases de Datos

Módulo 4: Análisis Exploratorio

Unidad 1 Test de Hipótesis
Unidad 2 Correlaciones
Unidad 3 AB Test

Módulo 5: Aprendizaje no Supervisado

Unidad 1 Uso de Scikit-learn
Unidad 2 Análisis de Componentes Principales
Unidad 3 K-Medias
Unidad 4 Clustering Jerárquico

Módulo 6: Vecinos Cercanos (Knn)

Unidad 1 Instalación y Uso del Paquete
Unidad 2 Ejemplo Conceptual en Excel
Unidad 3 Ejemplo en Python
Unidad 4 Principales Parámetros de Ajuste y Control
Unidad 5 Problema Concreto

Módulo 7: Bayes Ingenuo

Unidad 1 Instalación y Uso del Paquete
Unidad 2 Ejemplo Conceptual en Excel
Unidad 3 Ejemplo en Python
Unidad 4 Principales Parámetros de Ajuste y Control
Unidad 5 Problema Concreto

Módulo 8: Árboles de Decisión

Unidad 1 Instalación y Uso del Paquete
Unidad 2 Ejemplo Conceptual en Excel
Unidad 3 Ejemplo en Python
Unidad 4 Principales Parámetros de Ajuste y Control
Unidad 5 Problema Concreto

Módulo 9: Máquinas de Soporte Vectorial

Unidad 1 Instalación y Uso del Paquete
Unidad 2 Ejemplo Conceptual en Excel
Unidad 3 Ejemplo en Python
Unidad 4 Principales Parámetros de Ajuste y Control
Unidad 5 Problema Concreto

Módulo 10: Discriminante Lineal y Cuadrático

Unidad 1 Instalación y Uso del Paquete
Unidad 2 Ejemplo Conceptual en Excel
Unidad 3 Ejemplo en Python
Unidad 4 Principales Parámetros de Ajuste y Control
Unidad 5 Problema Concreto

Módulo 11: Redes Neuronales

Unidad 1 Instalación y Uso del Paquete
Unidad 2 Ejemplo Conceptual en Excel
Unidad 3 Ejemplo en Python
Unidad 4 Principales Parámetros de Ajuste y Control
Unidad 5 Problema Concreto

Módulo 12: Reglas de Asociación

Unidad 1 Instalación y Uso del Paquete
Unidad 2 Ejemplo Conceptual en Excel
Unidad 3 Ejemplo en Python
Unidad 4 Principales Parámetros de Ajuste y Control
Unidad 5 Problema Concreto

Objetivos

La Diplomatura en Python orientada a Científico de Datos está enfocada a aprender a programar en Python y su aplicación orientada al mundo la ciencia de datos.Aprenderás el poderoso lenguaje Python al tiempo que incorporas las técnicas de análisis exploratorio, y los paquetes que permiten crear modelos como vecinos cercanos, reglas de asociación, redes neuronales, máquinas de soporte vectorial,árboles de decisión, bayes ingenuo y discriminante tanto lineal como cuadrático.

A quien va dirigido

Está dirigido a cualquier persona interesada en el mundo de la ciencia de datos y su aplicación. Incluyendo a profesionales de distintas disciplinas que deseen formarse en esta área del conocimiento transversal y multidisciplinaria.

Modalidad de cursado

Diplomatura en Ciencia de Datos Modalidad a distancia de forma Online.

Dos clases semanales por videoconferencias interactivas, una teórica y una práctica. La duración de cada clase es de 30 a 60 minutos dependiendo del tema, la cantidad de participantes y el nivel de intervenciones conseguido.
El estudiante tiene actividad complementaria con material de soporte de las clases, material teórico para estudiar, ejercicios resueltos y para resolver, corrección de ejercicios y autoevaluaciones.
La dedicación recomendada a estas actividades es de ocho horas semanales.
Soporte docente por Grupo de WhatsApp, email y foro.

Fechas y horarios

05 de Enero 2026

Clases en vivo: Lunes 21:30 Horas
Martes 19:30 Horas y Jueves 19:30 Horas

19 de Enero 2026

Clases en vivo: Lunes 19:00 Horas
Martes 18:45 Horas y Jueves 18:45 Horas

02 de Febrero 2026

Clases en vivo: Lunes 21:30 Horas
Martes 19:30 Horas y Jueves 19:30 Horas