El calendario se irá llenando a medida avance el cuatrimestre.
Día | Tema | Teórica |
---|---|---|
21/3 | Administrivia, Introducción a Data Science, Introducción a Big Data, Tipos de Datos. | Playlist |
24/3 | FERIADO | - |
28/3 | DataFrames. Análisis Exploratorio de Datos, Introducción a Pandas. | Playlist |
31/3 | Visualización de datos | Playlist |
4/4 | ELECCIONES FIUBA | - |
7/4 | DataFrames. Análisis Exploratorio de Datos, Pandas Avanzado. El paradigma split-apply-combine. | Playlist |
11/4 | DataFrames. Análisis Exploratorio de Datos, Pandas muy avanzado. Anuncio Enunciado TP1 | Playlist |
14/4 | FERIADO | - |
18/4 | NLP I: Parsing, TF-IDF, Bag of Words, Pre-procesamiento, stop words, stemming, lematización, feature hashing. | Playlist |
21/4 | Compresión e IA: Compresión sin pérdida, Complejidad de Kolmogorov, Teoría de la información, Inducción de Solomonoff, Compresión con pérdida | Playlist |
25/4 | Clase especial de análisis de datos | - |
28/4 | Clase de consulta TP1 | - |
2/5 | Entrega TP1 | - |
5/5 | Spark I. Hadoop. HDFS. Teoría de Map Reduce. Introducción a Spark. RDDs, modelo de ejecución, transformaciones y acciones en pyspark. Enunciado TP2 | Playlist |
9/5 | Spark II. Transformaciones y Acciones II. Ejemplos con pyspark. Joins. Broadcast join. | Playlist |
12/5 | Spark III. Estructuras de alto nivel. | Playlist |
16/5 | Consulta TP2 | - |
19/5 | Clase especial de Spark | - |
23/5 | Entrega TP2 | - |
26/5 | Machine Learning. Teoría de Machine Learning. Clasificación y Regresión. Linear y Logistic Regression. KNN. | Playlist |
30/5 | Machine Learning. Árboles | Playlist |
2/6 | Machine Learning. El problema de representación. Feature Engineering y casos de estudio | Playlist |
6/6 | Machine Learning. Redes neuronales. Deep learning. | Playlist |
9/6 | Consulta TP3 | - |
13/6 | Entrega TP3 | - |
16/6 | NLP II: RNNs, Convs 1D, Word embeddings, Fasttext, Char embeddings Enunciado TP4 | Playlist |
20/6 | FERIADO | - |
23/6 | Reducción de Dimensiones. PCA/SVD - LSI - Autoencoders - TSNE - UMAP. | Playlist |
27/6 | Clustering. Clustering jerárquico. K-Means, K-Means online, K-Means++, Clustering espectral. DBScan y HDBScan. | Playlist |
30/6 | Consulta TP4 | - |
4/7 | Clase Especial de ML sincrónica (Fairness) | PRESENCIAL EN FIUBA |
7/7 | Entrega TP4 | - |
Las fechas de final presencial son:
- Lunes 11/7 a las 19hs
- Jueves 4/8 a las 19hs
- Jueves 11/8 a las 19hs
- Jueves 18/8 a las 19hs
- Jueves 25/8 a las 19hs
Puede accederse en está lista. En la descripción de cada video hay un link a los notebooks.