| Día | Tema | Teórica | Practica |
|---|---|---|---|
| 11-3 | Administrativa: Introducción a Data Science, Introducción a Big Data, Tipos de Datos. | Playlist | Video |
| 14-3 | Pandas I: DataFrames. Análisis Exploratorio de Datos, Introducción a Pandas. Fecha límite armado grupos TP1 | Playlist | Video |
| 18-3 | Pandas II: DataFrames. Análisis Exploratorio de Datos, Pandas Avanzado. El paradigma split-apply-combine. Enunciado TP1 | Playlist | Video |
| 21-3 | Visualización de datos | Playlist | Video |
| 25-3 | Pandas III: DataFrames. Análisis Exploratorio de Datos, Pandas muy avanzado. | Playlist | Video |
| 4-4 | NLP I: Parsing, TF-IDF, Bag of Words, Pre-procesamiento, stop words, stemming, lematización. | Playlist | Video |
| 8-4 | Reunión obligatoria de avance TP1 | - | |
| 11-4 | Spark I. | Playlist | Video |
| 15-4 | Spark II. | Playlist | Video |
| 18-4 | Spark III. | Video | |
| 22-4 | Reunión obligatoria de avance TP1 | - | |
| 25-4 | Compresión e IA: Compresión sin pérdida, Complejidad de Kolmogorov, Teoría de la información, Inducción de Solomonoff, Compresión con pérdida. | Playlist | Video |
| 29-4 | Entrega TP1 | - | |
| 2-5 | Machine Learning I. Teoría de Machine Learning. Clasificación y Regresión. Linear y Logistic Regression. KNN. | Playlist | Video |
| 6-5 | Parcial (presencial) | Modalidad | Correccion |
| 9-5 | Machine Learning II. El problema de representación. Feature Engineering y casos de estudio | Playlist | Video |
| 13-5 | Machine Learning III. Árboles | Playlist | Video |
| 16-5 | Machine Learning IV. Deep Learning. Enunciado TP2 | Playlist | Video |
| 20-5 | NLP II: RNNs, Convs 1D, Word embeddings, Fasttext, Char embeddings | Playlist | Video |
| 23-5 | Reunión obligatoria de avance TP2. Notas parcial. Reentrega TP1 | - | |
| 27-5 | Gen-AI: Texto e Imagenes | Lectura | Video |
| 30-5 | Recuperatorio (presencial) | Modalidad | Correccion |
| 3-6 | Clase Reprogramada | - | |
| 6-6 | Reducción de Dimensiones. PCA/SVD - LSI - Autoencoders - TSNE - UMAP. | Playlist | Video |
| 10-6 | Clustering. Clustering jerárquico. K-Means, K-Means online, K-Means++, Clustering espectral. DBScan y HDBScan. | Playlist | Video |
| 13-6 | Fairness | Clase Vieja | - |
| 24-6 | Entrega TP2 | - | |
| 27-6 | Repaso general / consultas final | - | |
| 4-7 | 2do Recuperatorio. Final (presencial) | Modalidad | - |
Las clases practicas grabadas se iran subiendo a estes mismo calendario.En la descripción de cada video hay un link a los notebooks.