Programming for Data Science 2019

Programming for Data Science [2019]

Syllabus

Contacto

Nombre: Adolfo De Unánue
Oficina: Pasillo de estadística, al final
Horas de oficina:
Email: [email protected]
Inicio de clases: 14 de agosto de 2019

Lecturas recomendadas / Libros de texto

Esta clase no requiere libros de texto, pero los siguientes son recomendados:

Learn Bash the hard way, Ian Mitchell, Leanpub, 2017
PostgreSQL Uo and Running, Regina O. Obe and Leo S. Hsu. O’ Reilly, 2017.
Data Science from the command line, Jeroen Janssens, O’Reilly, 2014
Thinking Python 2e, Allen B. Downey, Green Tea Press,

Descripción del curso

Este curso es una introducción a las herramientas computacionales necesarias para poder resolver problemas de Ciencia de datos, Machine Learning o Inteligencia Artificial de una manera eficiente y cómoda

Este curso le enseñará a los estudiantes

Sentirse cómodo con las herramientas necesarias para Ciencia de Datos.
Obtener, manipular y almacenar datos que facilitarán los flujos de Ciencia de Datos.
Colaborar con otros Científicos de Datos en un proyecto.
Contestar preguntas de Ciencia de Datos usando la herramienta apropiada
Reproducibilidad del flujo de Ciencia de Datos.

Este es un curso hands-on en el que los estudiantes usarán la computadora para implementar la solución a varios problemas de Ciencia de datos.

Pre-requisitos

Tener acceso a una laptop o algún dispositivo de cómputo[fn:-1-1]
Experiencia en cualquier lenguage de programación es recomedada, pero no necesaria.

[fn:-1-1] Si no tienes una laptop pero tienes una tablet o inclusive un teléfono móvil, podemos configurarlo de tal manera que te conectes a algún servidor remoto y puedas seguir las lecciones de este curso.

Temas

Terminal y Command line
Git y Github
Programación: Automatizar cosas
Escalar ejecución de código
Almacenar datos: Bases de datos y SQL
Reproducibilidad: Pipelines y Ambientes (docker)
Web Scrapping

Material del curso

El material de este curso es trabajo en progreso. El calendario es sujeto de cambio basado en los inteereses de la clase y su progreso. Adicionalmente, podríamos tener invitados especiales a platicar o compartir su experiencia.

Si tienes un tema en particular o invitados que te gustaría ver, por favor cuéntamelo.

Tareas

Tareas y mini-exámenes cubriendo los temas vistos en clases.
Habrá un examen a la mitad del semestre (Mid term). Este examen será para llevar a casa, con libro abierto, internet abierto.
NO habrá examen final. En su lugar cada equipo deberá entregar un reporte y una presentación oral al final del semestre.

Proyecto

Los estudiantes formarán grupos (3-4 estudiantes) y trabajarán en un proyecto que ellos propondrán a partir de la semana 5. Yo, adicionalmente, proveeré un conjunto de ideas de proyectos para ser elegidos, pero siéntanse libres de traer sus propias ideas y discutiremos si su proyecto cubre el criterio en esa clase.

Deberán de enviar una propuesta de proyecto (que será evaluada por sus peers), hacer una presentación del proyecto, enviar un update del proyecto, reporte proyecto final y hacer una presentación oral.

Calificaciones

Tareas y Quizzes: 40%
Mid-term: 15%
Participación en clase: 10%
Proyecto: 35%
- Propuesta y presentación de la propuesta: 5%
- Progreso del reporte: 5%
- Reporte final: 10%
- Presentación final: 15%

Calendario (Tentativo)

Sesión	Fecha	Temas	Otros
1	14/08	Introducción
2	21/08	CLI
-	28/08	-	No hay clases
3	4/09	CLI	Formar equipos
4	11/09	CLI
5	18/09	`git`
6	25/09	`git`
7	2/10	Programming
-	9/10	-	No hay clase: 🏥 (Ausente por enfermedad)
8	16/10	Programming
-	23/10	-	No hay clase: Viaje a Chile
9	30/10	Programming
10	6/11	Programming	Update del proyecto
11	9/11	`SQL`	Reposición (3h) 8am-11am
12	13/11	`SQL`
13	20/11	`SQL`
14	23/11	Pipelines	Reposición (3h) 8am-11am
15	27/11	`docker`
16	4/12	Web scrapping	Entregar reporte del proyecto
17	11/12	Proyecto	Presentación oral

Software que necesitas instalar

Constructor de máquinas virtuales: Vagrant
Administrador de máquinas virtuales: VirtualBox
Sistema de control de cambios: git
Adminsitrador de versiones de python: pyenv
Cliente de PostgreSQL: psql
Cliente general de base de datos: DBeaver
Una base de datos simple: sqlite3
Administrador de contenedores: docker, docker-compose
Shell: zsh (Windows), (GNU/Linux), (MacOS)

itam-ds / programming-for-data-science-2019 Goto Github PK