UX/UI y CRO, combinación ganadora
UX es la abreviación del término “experiencia de usuario”, y es utilizado para describir la relación de este con la interfaz de un producto digital.
Contenido del bootcamp
Módulo 0
Precurso online
En este módulo repasamos todos los conceptos tanto matemáticos como de programación necesarios para el bootcamp. Este módulo garantiza una suave incorporación y ayuda a nivelar los conocimientos de la clase.
- Conjuntos
- Probabilidad
- Estadística descriptiva
- Matrices y vectores
- Derivadas e integrales
Módulo 1
Programación en Python
Aprenderás a programar en Python, que es el lenguaje de programación más utilizado en el mundo de Data Science. Crearás desde códigos sencillos, hasta funciones y clases de complejidad modular. Serás capaz de crear programas para llevar a cabo procesos ETL (Extraction, Transformation, Load) con cualquier tipo de datos.
- Resolución de problemas computacionales
- Bucles y condicionales
- Funciones estándar y de tipo lambda
- Funciones filter, map y reduce
- Operaciones algebraicas con Numpy
- Análisis de datos utilizando Pandas
- Procesado de altos volúmenes de datos con Dask
- Algoritmos de optimización
- Google Colaboratory y Kaggle Notebooks
Módulo 2
Bases de datos
Adquirirás conocimientos acerca de las bases de datos, tanto de estructura relacional MySQL como la no relacional MongoDB. Además, aprenderás a trabajar con diferentes gestores de bases de datos alojados en la nube como MongoDB Atlas.
- Operaciones CRUD (Create, Read, Update, Delete)
- Queries avanzadas en SQL
- Pipelines en MongoDB con el framework Aggregate
- MySQL Workbench
- MongoDB Compass y Robo3T
- SQL Shell y MongoDB CLI
Módulo 3
Repositorios y APIs
Para extraer información, verás que existen numerosos repositorios de datos. Aprenderás a conectarte a las APIs de varias plataformas como fuente de información alternativa como Facebook, Twitter y AEMET o portales públicos Open Data.
- Operaciones GET y POST en API REST (escritura y lectura)
- Conexión a plataformas a través de OAuth2 (Twitter)
- Creación de cuentas de desarrollador y solicitud de tokens de acceso
Módulo 4
Machine Learning
Aquí se introducirán algoritmos de aprendizaje automático. Dependiendo de la aplicación que queramos desarrollar, aprenderás desde algoritmos sencillos y básicos hasta los más actuales y avanzados.
- K-Nearest Neighbors (KNN) (e.g. clasificación automática de películas)
- K-Means Clustering & Fuzzy K- Means (e.g. creación y detección de audiencias)
- Statistical Naïve Bayes Classifier
- Support Vector Machine (clasificador automático avanzado)
- Principal Component Analysis (e.g. recomendador de películas)
- Singular Value Decomposition (e.g. algoritmo de Netflix)
- Linear Regression Algorithm (e.g. predecir fluctuación de la moneda)
- Logistic Regression Algorithm (e.g. clasificación y detección de fraude)
- Ridge and Lasso Regression
- Elastic Net Algorithm
- Neo4j Graph Platform (e.g. grafos y conexiones en las redes sociales o jerarquías)
Módulo 5
Ensemble Learning
Aprenderás los algoritmos más avanzados tanto para problemas de clasificación como de predicción. Además verás cómo combinando varios algoritmos de AI se obtienen rendimientos mejores.
- Decision Trees Algorithm
- Random Forest Algorithm
- Gradient Boost Classifier
- AdaBoost Algorithm
- Bagging Method
- Combination Methods
- Clustering Ensembles
Módulo 6
Deep Learning
Aprenderás diferente tipos de redes neuronales como redes neuronales estándares, redes de tipo recurrentes y convolucionales, para crear motores de predicción y clasificación.
- Perceptron Algorithm
- Deep Neural Network (e.g. predicción y clasificación avanzada)
- Convolutional Neural Network (e.g. clasificación de imágenes)
- Recurrent Neural Network (e.g. predecir número de viajeros de un avión)
- Deep Encoders (e.g. codificación y decodificación de datos)
- Computer Vision (e.g. inteligencia artificial aplicada a imágenes)
Módulo 7
Reinforcement Learning
Los campos de la inteligencia artificial están avanzando muy rápidamente y emergen metodologías como el aprendizaje reforzado, donde un ordenador empieza a retar y superar en la toma de decisiones a un ser humano.
- The Markov Chain Algorithm
- SARSA Algorithm
- Dynamic Programming
- Deep Q-Networks
- Google DeepMind
- Google AlphaGo
Módulo 8
Text mining & NLP
Verás todo sobre el campo de Natural Language Processing (NLP) y podrás hacer desde productos de análisis de sentimiento, hasta algoritmos de segmentación de audiencias por intereses y temáticas.
- Feature engineering (preprocesado de la información)
- Sentiment analysis
- Clasificación de documentos
- Crear una solución completa con Spacy y NLTK
- Utilizar ReGex para extracciones de texto complejas
Módulo 9
Visualización de datos
En este módulo, adquirirás conocimientos avanzados acerca de la visualización de datos. Aprenderás las diferentes metodologías, pipelines y herramientas de visualización como Power BI y Plotly.
- Visualización estática con Matplotlib y Seaborn
- Visualización interactiva con Plotly
- Plotly Dash, dashboard interactivo en HTML
- Conexión de Power BI con conectores ODBC
- Preprocesado en Power BI con Power Query M
- Programación en Power BI con DAX
Módulo 10
Fundamentos de Linux
En este módulo, aprenderás a manipular un sistema Linux (o Windows) a través de la consola para poder desplegar y configurar servidores alojados en plataformas como Amazon Web Services.
- Comandos básicos en Bash y Powershell
- Navegación y operaciones sobre directorios y archivos
- Automatizar scripts con crontab
- Configuración de entornos de desarrollo con venv
- Gestión de credenciales de usuarios
Módulo 11
Machine Learning on Cloud
En este módulo, aprenderemos a desplegar instancias en AWS EC2, configurando un almacenamientos y bases de datos para poder crear una solución completamente alojada y escalable en la nube.
- Configurar servidor en AWS EC2
- Crear almacenamiento en AWS S3
- Bases de datos SQL y NoSQL en AWS
- Creación de una API REST con AWS Lambda
Unidad 1
Módulo 0
Precurso online
En este módulo repasamos todos los conceptos tanto matemáticos como de programación necesarios para el bootcamp. Este módulo garantiza una suave incorporación y ayuda a nivelar los conocimientos de la clase.
- Conjuntos
- Probabilidad
- Estadística descriptiva
- Matrices y vectores
- Derivadas e integrales
Módulo 1
Programación en Python
Aprenderás a programar en Python, que es el lenguaje de programación más utilizado en el mundo de Data Science. Crearás desde códigos sencillos, hasta funciones y clases de complejidad modular. Serás capaz de crear programas para llevar a cabo procesos ETL (Extraction, Transformation, Load) con cualquier tipo de datos.
- Resolución de problemas computacionales
- Bucles y condicionales
- Funciones estándar y de tipo lambda
- Funciones filter, map y reduce
- Operaciones algebraicas con Numpy
- Análisis de datos utilizando Pandas
- Procesado de altos volúmenes de datos con Dask
- Algoritmos de optimización
- Google Colaboratory y Kaggle Notebooks
Módulo 2
Bases de datos
Adquirirás conocimientos acerca de las bases de datos, tanto de estructura relacional MySQL como la no relacional MongoDB. Además, aprenderás a trabajar con diferentes gestores de bases de datos alojados en la nube como MongoDB Atlas.
- Operaciones CRUD (Create, Read, Update, Delete)
- Queries avanzadas en SQL
- Pipelines en MongoDB con el framework Aggregate
- MySQL Workbench
- MongoDB Compass y Robo3T
- SQL Shell y MongoDB CLI
Unidad 2
Módulo 3
Repositorios y APIs
Para extraer información, verás que existen numerosos repositorios de datos. Aprenderás a conectarte a las APIs de varias plataformas como fuente de información alternativa como Facebook, Twitter y AEMET o portales públicos Open Data.
- Operaciones GET y POST en API REST (escritura y lectura)
- Conexión a plataformas a través de OAuth2 (Twitter)
- Creación de cuentas de desarrollador y solicitud de tokens de acceso
Módulo 4
Machine Learning
Aquí se introducirán algoritmos de aprendizaje automático. Dependiendo de la aplicación que queramos desarrollar, aprenderás desde algoritmos sencillos y básicos hasta los más actuales y avanzados.
- K-Nearest Neighbors (KNN) (e.g. clasificación automática de películas)
- K-Means Clustering & Fuzzy K- Means (e.g. creación y detección de audiencias)
- Statistical Naïve Bayes Classifier
- Support Vector Machine (clasificador automático avanzado)
- Principal Component Analysis (e.g. recomendador de películas)
- Singular Value Decomposition (e.g. algoritmo de Netflix)
- Linear Regression Algorithm (e.g. predecir fluctuación de la moneda)
- Logistic Regression Algorithm (e.g. clasificación y detección de fraude)
- Ridge and Lasso Regression
- Elastic Net Algorithm
- Neo4j Graph Platform (e.g. grafos y conexiones en las redes sociales o jerarquías)
Módulo 5
Ensemble Learning
Aprenderás los algoritmos más avanzados tanto para problemas de clasificación como de predicción. Además verás cómo combinando varios algoritmos de AI se obtienen rendimientos mejores.
- Decision Trees Algorithm
- Random Forest Algorithm
- Gradient Boost Classifier
- AdaBoost Algorithm
- Bagging Method
- Combination Methods
- Clustering Ensembles
Unidad 3
Módulo 6
Deep Learning
Aprenderás diferente tipos de redes neuronales como redes neuronales estándares, redes de tipo recurrentes y convolucionales, para crear motores de predicción y clasificación.
- Perceptron Algorithm
- Deep Neural Network (e.g. predicción y clasificación avanzada)
- Convolutional Neural Network (e.g. clasificación de imágenes)
- Recurrent Neural Network (e.g. predecir número de viajeros de un avión)
- Deep Encoders (e.g. codificación y decodificación de datos)
- Computer Vision (e.g. inteligencia artificial aplicada a imágenes)
Módulo 7
Reinforcement Learning
Los campos de la inteligencia artificial están avanzando muy rápidamente y emergen metodologías como el aprendizaje reforzado, donde un ordenador empieza a retar y superar en la toma de decisiones a un ser humano.
- The Markov Chain Algorithm
- SARSA Algorithm
- Dynamic Programming
- Deep Q-Networks
- Google DeepMind
- Google AlphaGo
Módulo 8
Text mining & NLP
Verás todo sobre el campo de Natural Language Processing (NLP) y podrás hacer desde productos de análisis de sentimiento, hasta algoritmos de segmentación de audiencias por intereses y temáticas.
- Feature engineering (preprocesado de la información)
- Sentiment analysis
- Clasificación de documentos
- Crear una solución completa con Spacy y NLTK
- Utilizar ReGex para extracciones de texto complejas
Unidad 4
Módulo 9
Visualización de datos
En este módulo, adquirirás conocimientos avanzados acerca de la visualización de datos. Aprenderás las diferentes metodologías, pipelines y herramientas de visualización como Power BI y Plotly.
- Visualización estática con Matplotlib y Seaborn
- Visualización interactiva con Plotly
- Plotly Dash, dashboard interactivo en HTML
- Conexión de Power BI con conectores ODBC
- Preprocesado en Power BI con Power Query M
- Programación en Power BI con DAX
Módulo 10
Fundamentos de Linux
En este módulo, aprenderás a manipular un sistema Linux (o Windows) a través de la consola para poder desplegar y configurar servidores alojados en plataformas como Amazon Web Services.
- Comandos básicos en Bash y Powershell
- Navegación y operaciones sobre directorios y archivos
- Automatizar scripts con crontab
- Configuración de entornos de desarrollo con venv
- Gestión de credenciales de usuarios
Módulo 11
Machine Learning on Cloud
En este módulo, aprenderemos a desplegar instancias en AWS EC2, configurando un almacenamientos y bases de datos para poder crear una solución completamente alojada y escalable en la nube.
- Configurar servidor en AWS EC2
- Crear almacenamiento en AWS S3
- Bases de datos SQL y NoSQL en AWS
- Creación de una API REST con AWS Lambda