1. Introducción a Data Science
- Definición y campo de aplicación
- Herramientas clave en Data Science
2. Fundamentos de Programación en Python
- Introducción a Python
- Estructuras de datos en Python
- Control de flujo y funciones
- Bibliotecas de Python para Data Science (NumPy, Pandas)
3. Análisis Exploratorio de Datos
- Importancia del análisis exploratorio
- Técnicas y herramientas de visualización de datos (Matplotlib, Seaborn)
4. Estadísticas Aplicadas en Data Science
- Estadísticas descriptivas
- Probabilidad y distribuciones
- Inferencia estadística
5. Machine Learning
- Fundamentos de Machine Learning
- Aprendizaje supervisado vs no supervisado
- Modelos de regresión y clasificación
- Evaluación y ajuste de modelos
6. Deep Learning y Redes Neuronales
- Conceptos básicos de redes neuronales
- Frameworks de Deep Learning (TensorFlow, Keras)
7. Introducción a la Inteligencia Artificial
- Historia y definición de la IA
- Aplicaciones prácticas de la IA
8. Especialización en ChatGPT y Modelos de Lenguaje
- Fundamentos de los modelos de lenguaje
- Introducción a GPT y sus versiones
- Implementación y aplicaciones de ChatGPT
- Ética y consideraciones en IA
9. Proyecto Final de Curso
- Desarrollo de un proyecto aplicando conocimientos adquiridos
- Presentación y evaluación del proyecto