La asignatura tiene como objetivo proporcionar a los estudiantes las competencias y destrezas básicas necesarias para desempeñarse como Data Scientist utilizando el lenguaje de programación Python.

• Fundamentos de Cálculo y Álgebra.
• Conceptos básicos de Probabilidad y Estadística.
• Conocimientos en Optimización.
• Familiaridad con el lenguaje de programación Python.

El curso se organiza en torno a los siguientes temas principales:

• Toolkit Básico: Introducción a las herramientas esenciales para el análisis de datos.
• Manipulación de Datos: Técnicas para la manipulación eficiente de conjuntos de datos.
• Visualización: Métodos para visualizar datos de manera efectiva.
• Machine Learning: Introducción a los conceptos básicos y aplicaciones del aprendizaje automático.

1. Texto Guía:

   • Python Data Science Handbook - Jake VanderPlas

2. Complementaria/Opcional:

   • Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow - Aurélien Géron
   • Data Science from Scratch - Joel Grus
   • Python for Data Analysis - Wes McKinney

• Semanal.
• Individual.
• Notas: 0, 25, 50, 75, 100.
• Plazo: final del día de clases.
• Entregas fuera del plazo tienen nota cero (0).

• Mensual.
• Individual.
• Plazo:
  • $T_1$: xx de Septiembre 2024.
  • $T_2$: xx de Diciembre 2024.
• Entregas fuera del plazo descuentan 25 puntos por día (parte entera).
  • Por ejemplo, un retraso de 15 minutos cuenta como un día y descuenta 25 puntos.

• Semestral.
• Plazo: final del curso (xx de Diciembre 2024).
• Individual.
• Entregas fuera del plazo descuentan 25 puntos por día (parte entera).

La nota final será el promedio ponderado entre los laboratorios, tareas y el proyecto final del curso.

$$ N_f = 0.3\bar{n_l} + 0.35\bar{n_t} + 0.35n_p $$

¡Importante!: Todos los entregables se deben subir al repositorio personal del estudiante (en GitHub). Las notas se trataran de actualizar al final de cada mes.