No hay comentarios.

CURSO:ANALISIS DE DATOS EN PYTHON
TRADUCCION:DATA ANALYSIS IN PYTHON
SIGLA:MDS3010
CREDITOS:05 UC
HORAS:90 HORAS DE DEDICACION TOTAL: 24 DIRECTAS Y 66 INDIRECTAS (2 MODULOS)
CARACTER:MINIMO
TIPO:CATEDRA,TALLER
CALIFICACION:ESTANDAR
PALABRAS CLAVE:ANALISIS DE DATOS,FRAMEWORK DE ANALISIS DE DATOS
NIVEL FORMATIVO:MAGISTER


I.DESCRIPCIÓN DEL CURSO

En este curso los estudiantes aprenderan el uso adecuado y eficiente de Python como herramienta computacional para el analisis de datos, y su rol en la toma de decisiones dentro de una organizacion. Para ello se introduciran los conceptos basicos y generales sobre el manejo y analisis de datos, se explicara la importancia de una correcta visualizacion de los datos y de los resultados de los analisis que se realicen con estos, y se explicara en que consisten los analisis descriptivos, predictivos, y prescriptivos, ense?ando diferentes metodos para llevar a cabo estos analisis. El curso utilizara exposiciones a traves de clases sincronicas, analisis de casos, test basados en la interaccion con bases de datos, contenidos entregados por las video clases, lecturas y reflexion individual a traves de foros.


II.RESULTADOS DE APRENDIZAJE

1.Describir el rol del uso de herramientas computacionales en el quehacer actual de las organizaciones, para desarrollar tecnicas de ciencia de datos a traves de Python.

2.Aplicar conceptos y herramientas basicas de programacion en Python, como lectura, escritura de archivos y edicion masiva de datos, resolviendo problemas reales relacionados con el procesamiento y limpieza de datos.

3.Distinguir el uso de la analitica descriptiva y prescriptiva para aplicar pronosticos en escenarios futuros inciertos y apoyar procesos de toma de decisiones.

4.Aplicar algoritmos basicos de aprendizaje de maquina para el analisis descriptivo.

5.Explicar la importancia de una visualizacion efectiva de los datos., que permiten evidenciar oportunidades y justificar decisiones en una organizacion.


III.CONTENIDOS

1.Modulo 1. Ciencia de Datos y Python
1.1 Conceptos fundamentales de la Ciencia de Datos
1.2 Fundamentos de Python

2.Modulo 2. Manejo de Base de Datos y manejo de los datos
2.1 Analisis de datos masivos

3.Modulo 3. Visualizacion avanzada de Datos
3.1 Graficos
3.2 Interfaces

4.Modulo 4. Analitica descriptiva y predictiva
4.1 Analisis descriptivo
4.2 Analisis predictivo
4.3 Analisis prescriptivo


IV.ESTRATEGIAS METODOLOGICAS

-Catedra en sesiones sincronicas.

-Videoclases.

-Podcast o video tutorial.

-Discusion de casos.

-Lecturas.

-Analisis de casos.

-Test formativos.

-Foros de discusion.

-Test basados en la interaccion con bases de datos.


V.ESTRATEGIAS EVALUATIVAS

-Controles: 30%

-Tareas: 40%

-Proyecto grupal: 20%

-Foro de discusion: 10%

-El curso contendra ademas actividades formativas (sin calificacion), las que tienen como proposito la preparacion para las evaluaciones calificadas.


VI.BIBLIOGRAFIA

Minima

Kotu, V., & Deshpande, B.,(2018). Data Science: Concept and Practice. Second Edition,Morgan Kaufmann.

Severance, C.(2020).Python para Todos:Explorando la informacion con Python. Independently Published.

Bertsimas, D., & Freund, R.M.,(2008).Data.Models and Decisions. The Fundamentals of Management Science. Second Edition, Dynamic Ideas.

Davenport, T., & Harris, J.(2017).Competing on analytics: The new science of winning.Harvard Business Press.


Sugerida

Winston, W.(2019).Microsoft Excel 2019 Data Analysis and Business Modeling:Data Analysis and Business Modeling.Pearson Education Limited.


PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE
INSTITUTO DE INGENIERIA MATEMATICA Y COMPUTACIONAL / MARZO 2022