¿DE QUÉ SE TRATA?

En este programa presencial e intensivo vas a aprender todo lo necesario para llevar a cabo proyectos de Data Science de principio a fin. Al egresar vas a poder trabajar como Científico de Datos.

Incorporá las habilidades necesarias para trabajar con destreza en todo el ciclo de vida de los datos. Comenzá por aprender cómo recolectar y pre-procesar data, analizarla y visualizarla.  En 5 meses, vas a dominar los conceptos teóricos y metodologías más usadas en todo el mundo.

Vas a usar Python y librerías del ecosistema SciPy, entre otras, para la recolección, limpieza, análisis y visualización de datos. Además, aplicarás técnicas de estadística inferencial y algoritmos de machine learning usando NumPy, Pandas y Scikit-learn.

POR QUÉ ESTUDIAR
DATA SCIENCE

Charla informativa

Conocé nuestros campus y descubrí cómo puede ser tu experiencia en Digital House

HABILIDADES Y TECNOLOGÍAS
QUE TRABAJARÁS DURANTE EL PROGRAMA

FUNDAMENTOS DE PROGRAMACIÓN EN PYTHON

Uno de los lenguajes más usados en data science.

Entorno de investigación y desarrollo

Aprendé a usar y configurar las herramientas que un científico de datos necesita para trabajar más eficiente y efectivamente.

Fundamentos de programación

Aprendé los algoritmos y estructuras de datos fundamentales para realizar tus análisis de datos en Python.

Ver más

CONOCIMIENTOS DE PROBABILIDAD Y ESTADÍSTICA

Extraé conocimiento confiable de tus datos utilizando metodologías con rigor científico.

Estadística Descriptiva

Aprendé las técnicas cuantitativas que describen las propiedades de tus datos. Las medidas de centralidad y dispersión serán tu primer aproximación a tu dataset.

Estadística Inferencial

Generalmente queremos inferir propiedades de la población sólo mirando nuestra muestra de datos. Entendé cómo realizar estas medidas predictivas asegurando un cierto grado de significación de los resultados obtenidos.

Ver más

METODOLOGÍAS DE RECOLECCIÓN Y LIMPIEZA DE DATOS

Los científicos de datos dedican entre un 50% y un 70% de su tiempo a preparar los datos para su posterior análisis. Enterate de las técnicas más usadas.

Recolección de fuentes diversas

Vas a trabajar con datos estructurados y semi-estructurados, usando bases relacionales y archivos json, csv y xml. También experimentarás con datos no estructurados como texto imágenes y audio.

Medida de Calidad de los Datos

Los datos suelen incluir errores, campos vacíos y otras anomalías. Aprenderás a realizar chequeos de integridad y a lidiar con valores faltantes en tus datasets. Veremos las técnicas de limpieza y preprocesamiento más comunes usando la librería Pandas.

Ver más

ELEMENTOS PRÁCTICOS DE MACHINE LEARNING

Uno de los temas de mayor relevancia en la computación contemporánea es el Machine Learning, entendido como el conjunto de técnicas que le da a las computadoras la habilidad de aprender sin ser explícitamente programadas.

Aprendizaje Supervisado

Cuando usamos aprendizaje supervisado, disponemos de un conjunto de datos de entrenamiento. En el curso aplicarás algoritmos de clasificación y regresión para resolver los desafíos presentados en las clases.

Aprendizaje No supervisado

Se distingue del aprendizaje supervisado por el hecho de que no hay un conocimiento a priori. Usaremos Clustering para particionar los datos en grupos cuando no hay categorías/clases disponibles.

Ver más

VISUALIZACIÓN DE DATOS

Es necesario representar tus conclusiones en un formato fácilmente comunicable.

Técnicas de codificación visual

Vas a conocer las técnicas de codificación visual utilizadas por los expertos. Nuestra misión consiste en traducir datos complejos a relatos claros y efectivos.

Bibliotecas de visualización

Haremos prácticas con Matplotlib, Seaborn, plot.ly y Bokeh para que experimentes con distintas bibliotecas de visualización basadas en Python.

Ver más

PROFESORES

MATÍAS ZABALJÁUREGUI

Coordinador de Data Science
Investigador y analista enfocado en infraestructura cloud y ciencia de datos. Analista Programador, Licenciado en Informática, Master en High Performance Computing y candidato a Doctor en Ciencias Informáticas. Matías es partner y Tech Lead en la agencia digital Zonda.

ARIEL EIDELSTEIN

Especialista
Ingeniero en Informática con amplia experiencia laboral en empresas multinacionales. Especialista en Bases de Datos y Business Intelligence, le apasiona aprender mientras enseña e investigar nuevas tecnologías.

EMILIANO CASTELLI

Especialista en Business Intelligence
Ingeniero en Sistemas de la UTN con más de 10 años de carrera en Business Intelligence. Tiene experiencia en desarrollo, análisis, arquitectura y liderazgo. Además, se desempeñó  en distintas compañías como YPF, Monsanto y Quilmes utilizando distintas herramientas como SAP, Microstrategy, Teradata, Oracle y Qlikview, entre otras.

NICOLÁS OTEIZA AGUIRRE

Data Scientist
Ingeniero Industrial con experiencia como Data Scientist en la industria, desarrollando algoritmos para predicción y análisis de datos. Apasionado por la docencia, la matemática, machine learning y Python.

PEDRO FERRARI

Economista
Programador autodidacta, apasionado por Vim y el stack científico de Python.
Dio clases de macroeconomía y econometría durante su Maestría en UTDT.
Actualmente se desempeña como Data Scientist en Jampp donde  aplica técnicas de
Machine Learning con el objeto de optimizar la toma de decisiones de la
plataforma de real time bidding.

JUAN MARTÍN PAMPLIEGA

Especialista en Big Data
Ingeniero en Informática del ITBA. Participó en proyectos de Big Data en Google, Despegar.com y Socialmetrix. Es docente de grado y posgrado en el ITBA.  Actualmente, se encuentra liderando el desarrollo de la infraestructura de datos de RTB de ads en Jampp.

MIGUEL ANGEL BARROS

Data Scientist en Globant

Mastria en Data Mining en UBA. Licenciatura en Genética en UNAM.
Actualmente se desempeña como científico de datos en Globant.
Capacitado en Data Science y Big Data en New York.
Experiencia en análisis de sentimientos mediante algoritmos de machine learning y técnicas de Natural Language Processing, análisis de attrition en banca y modelos predictivos en salud reproductiva.

MAURO ESBAN LIOY

Data Scientist en Globant
Licenciado en Cs. Físicas de la UBA. He participado en proyectos de investigación en el Laboratorio de Neurociencias de Fisiología de la Acción (Medicina), en la División de Acústica Submarina (Ministerio de Defensa) y en la Autoridad Regulatoria Nuclear.

Actualmente es Data Scientist en Globant, donde he desarrollado modelos dinámicos basados en agentes para el entendimiento y mejora de modelos de staffing, entre otros desarrollos.

GERMÁN ROSATI

Consultor estadístico
Sociólogo (UBA), Doctor en Ciencias Sociales (UBA) y Magíster en Generación y Análisis de Información Estadística (UNTREF).
Consultor y especialista en desarrollo y aplicación de técnicas de análisis y modelización de datos. Se ha desempeñado como Analista Experto de Datos en la Subsecretaría de Políticas, Estadísticas y Estudios Laborales del MTEySS de la Nación e Investigador Principal en el Centro de Investigaciones en Estadística Aplicada (UNTREF). Ha sido becario doctoral del CONICET e investigador visitante en la Freie Universität de Berlín. Ha dictado cursos de estadística y análisis de datos en grado y posgrado en diversas universidades (USAL, UNGS, UNSAM, UNCuyo).

APRENDÉ DE LA INDUSTRIA DIGITAL

“La tecnología cambia constantemente. Por eso, en Digital House vas a incorporar, ante todo, la habilidad de aprender”

MARIANO WECHSLER

Socio DigBang y
Director Académico Digital House

Coordinador 2

“La necesidad de contar con analistas de datos calificados crece rápidamente en todos los sectores empresariales e industriales. La extracción, el procesamiento y análisis de datos es fundamental para dar soporte a la toma de decisiones estratégicas.”

Matías Zabalijáuregui

Coordinador del curso de Data Science

Alumno 1

Creo que lo que me aporta el curso en este momento es el manejo de más herramientas para mi trabajo. Soy economista y creo que podría aplicar los contenidos del curso
Estoy ansioso por ver cosas nuevas.

Jontahan Cohen

Alumno de curso de Data Science

Alumno 2

El valor agregado que me aporta el curso de Data Science en este momento de mi carrera, es que hoy todo se basa en datos y saber analizarlos críticamente es necesario. La integración de conceptos que realizan es muy buena.

Francisco Pensa

El valor agregado que me aporta el curso de Data Science en este momento de mi carrera, es que hoy todo se basa en datos y saber analizarlos críticamente es necesario. La integración de conceptos que realizan es muy buena.

Proceso de inscripción

La disponibilidad de vacantes es limitada y requiere de un proceso de admision que calificará a cada postulante para obtener su lugar en el curso.

1

Postulación

Completá la solicitud de inscripción.

2

Material de Nivelación

Luego de abonar la matrícula, realizá el Material de Nivelación.

3

Desafío

Resolvé la evaluación en nuestra plataforma.

4

Entrevista de Admisión

Acercate a última instancia de evaluación para convertirte en alumno de Digital House.

Horarios y aranceles

SEDE Belgrano

Semestral Matrícula: $10.000 - Curso: 5 cuotas de $8.500
Turno
Inicio
Fin
Matrícula
Mañana: de 8.30 a 12.00 hs. Tres veces por semana.
Agosto 2017
Diciembre 2017
40% OFF hasta 31/03
Noche: de 18.30 a 22.00 hs. Tres veces por semana.
Agosto 2017
Diciembre 2017
40% OFF hasta 31/03

SEDE Centro

Semestral Matrícula: $10.000 - Curso: 5 cuotas de $8.500
Turno
Inicio
Fin
Matrícula
Noche: de 18.30 a 22.00 hs. Tres veces por semana.
Agosto 2017
Diciembre 2017
40% OFF hasta 31/03