Cursos de Python en español
Hay 57 cursos de Python en español (238 contando todos los idiomas): 53 de Udemy y 4 de Coursera.
Los de Udemy tienen una valoración media de 4,6 sobre 5; Coursera no publica valoraciones.
La duración típica ronda 25,5 h.
El precio más habitual es 19,99 USD, según la última actualización del catálogo.
Los más reseñados
Python TOTAL con IA: de CERO a Programador Full en 16 días
Aprende TODO PYTHON —ahora con Inteligencia Artificial— en 16 días. Nuestro programa intensivo fue diseñado para que aprendas y practiques, en un calendario de 16 días de estudio: • Cada día crearás un programa real y completo • Aprenderás a programar con IA: primero entiendes cada concepto a mano y luego amplificas tu trabajo con el Asistente de IA de PyCharm, aprendiendo a leer y evaluar con criterio el código que genera • Cada concepto incluye un PDF descargable para tener todo a mano • Cada video tiene una introducción teórica y una demostración práctica • Cada lección viene con 3 ejercicios de código para que practiques lo aprendido • Cada tema se cierra con un cuestionario para afianzar lo aprendido • Cada jornada termina con un momento para reflexionar y celebrar lo aprendido El programa se divide en 3 partes: • Desde el día 1 al día 6: Entrenamiento básico. Los conceptos fundamentales de Python para ser un programador robusto y con la base bien firme. • Desde el día 7 al día 9: Fase avanzada. Ingresa a la Programación Orientada a Objetos (OOP), para crear programas ágiles, sólidos, económicos, repetibles y fáciles de mantener. • Desde el día 10 en adelante: Evoluciona a Experto. Ya eres un programador avanzado de Python, y ha llegado la hora de conocer sus principales aplicaciones en el mundo real. En cada una aprenderás los fundamentos por tu cuenta y luego potenciarás tus proyectos con Inteligencia Artificial, tal como se programa hoy profesionalmente. Profundizarás en áreas de desarrollo como: • Videojuegos • Interfaces Gráficas • Web Scraping • Ciencia de Datos • Machine Learning • Reconocimiento Facial • Aplicaciones potenciadas por Inteligencia Artificial (crea tu propio chatbot conectando un modelo de lenguaje vía API) • y mucho (pero mucho) más. ¿Por qué puedo ayudarte? Mi nombre es Federico Garay y soy instructor Best Seller, con las mejores calificaciones en Udemy. He ayudado a más de 500.000 personas a lograr aprendizajes que cambiaron sus vidas. Mis cursos de programación en JavaScript, C# y VBA y Pandas/Python llevaron a muchos estudiantes a lograr ese trabajo soñado o esa promoción tan merecida. Mira lo que dicen: "Este programa es perfecto, las clases bien explicadas y el profesor transmite animo y muy profesional sobre todo, después de tomar el curso estoy bastante seguro para aprender mas y continuar mi camino en el mundo de la programación y los videojuegos." (Ares Xavier Aren) "Hasta ahora me ha parecido un curso excelente, bastante detallado, pero no me sorprende ya que he tomado otro curso anteriormente con el profe Fede y la verdad aprendes porque aprendes, de los mejores profesores que he visto que realmente se interesa en que te quede claro el tema, en cuanto vi que el profe impartía este tema no dude en comprarlo.." (Erika Raquel Gutiérrez Aguilar) "Como un novato quería aprender a programar para poder tener un hobby mas, pero como lo explica este tipo, como lo enseña, como sabe lo que dice, me esta convenciendo de convertirlo en una profesión real" (Carlos David Villamarin Marrugo) Por qué aprender PYTHON Python es uno de los lenguajes más buscados del mundo. Por su sencillez, su ductilidad y su flexibilidad, se ha transformado en el lenguaje favorito. Sus instrucciones son lo más cercanas posible al lenguaje humano, lo cual hace que sea más fácil de aprender, y esto hace que sea ideal para personas que se están iniciando en el mundo de la programación. Además de sencillo es poderoso: con unas pocas líneas de código puedes realizar tareas que en otros lenguajes de programación ocuparían cientos de líneas, y esto hace que aumente considerablemente tu productividad. Por otro lado es uno de los lenguajes de programación más versátiles que existen, y puede ser usado en muchos campos diferentes. Es decir, permite programar desde videojuegos hasta sitios web, aplicaciones móviles y herramientas con inteligencia artificial. Razones para NO tomar este curso A mí no se me ocurren. Pero si quieres tomar el curso SIN RIESGOS, recuerda que cuentas con la garantía de Udemy de devolución del 100% del dinero dentro de los 30 días. No me preocupa, sé que vas a amar a Python Total. Nos vemos en la lección #1 Fede
Curso Maestro de Python: De Cero a Programador Todoterreno
ESTE ES UN CURSO EN LÍNEA CON ACCESO DE POR VIDA Y 30 DIAS DE REEMBOLSO Este es el curso en español más completo y exhaustivo que encontrarás sobre Python 3 en Udemy. Perfectamente estructurado y balanceado, introduce todos los temas de forma sencilla, gradual y 100% práctica. Todos los temas han sido cuidadosamente preparados para presentarse de forma gradual, de manera que el alumno nunca se sienta perdido durante su aprendizaje. Dividido en varias fases con 300+ lecciones entre presentaciones, apuntes, ejercicios de codificación, ejercicios optativos solucionados paso a paso y quizs: • Fundamentos de programación (tipos de datos, variables, expresiones, control de flujo...) • Optimización y manejo de datos (colecciones, scripting, I/O, funciones, excepciones...) • Programación Orientada a Objetos (clases, objetos, atributos, métodos, herencia...) • Temas avanzados (módulos, paquetes, tkinter, SQLite, documentación, pruebas, distribución, regex...) • Proyecto final de síntesis (gestor de clientes con persistencia, interfaz gráfica, pruebas unitarias...) • Katas de programación (qué son y cómo aprender regularmente gracias a ellas) • Módulos externos (Numpy, Pandas, Matplotlib, Pipenv, Django, FastAPI, Requests, Beautiful Soup, Turtle...) Es un curso innovador que utiliza herramientas avanzadas para apoyar el aprendizaje, como Jupyter Notebook, gracias al que serás capaz de crear tus propios apuntes a la vez que aprendes cada línea de código, y el editor Visual Studio Code para ejecutar tus programas con una simple combinación de teclas. No esperes más y descubre por qué Python es el lenguaje de moda, mejora tus conocimientos y da un salto adelante en tu carrera profesional.
Universidad Python - Cero a Experto - Actualizado (+114 hrs)
Universidad Python – De Cero a Experto (Actualizado) El curso más completo, moderno y actualizado de Python en todo Udemy. Ahora con más de +114 horas de video y más de 282,000 estudiantes inscritos. Aprende Python desde cero hasta nivel experto, con proyectos reales y aplicaciones modernas creadas paso a paso. En esta nueva edición, reforzamos las explicaciones del instructor para que cada tema quede claro desde la base: Te llevamos de la mano desde tus primeras líneas de código hasta el desarrollo de aplicaciones profesionales, explicando la lógica, el código y la estructura de cada proyecto directamente en las clases. Aprenderás a crear aplicaciones reales con Python, Django, Flask, Backend con Django REST, Flask REST, FastAPI, Front End con Angular y React, Flet (Flutter + Python), PySide, Tkinter, SqlAlchemy, entre muchas tecnologías más. También construirás aplicaciones Web, Full Stack y de Escritorio, todas explicadas paso a paso y codificadas desde cero en cada lección. ¿Qué aprenderás? • Fundamentos de Python explicados paso a paso, con muchos ejercicios prácticos. • Programación Orientada a Objetos (POO) aplicada en proyectos completos. • Conexión a bases de datos MySQL y PostgreSQL usando Python y SQLAlchemy. • Creación de interfaces gráficas (GUI) con Tkinter y PySide. • Desarrollo de aplicaciones web profesionales con Flask y Django. • Creación de APIs RESTful con Django REST Framework y Flask REST. • Construcción de aplicaciones Full Stack con Angular + Flask y React + Django. • Proyecto Full Stack con Fast API + React + MySql • Cuestionarios, ejercicios propuestos, retos guiados y proyectos finales. Cada sección está pensada para que avances de forma progresiva, con ejemplos claros, código bien organizado y buenas prácticas modernas. Nuevas aplicaciones incluidas. En esta versión actualizada trabajaremos en proyectos modernos y completos, por ejemplo: • Flask Academy: Sistema web educativo desarrollado paso a paso con Flask, HTML, CSS y Bootstrap. • Django Songs: Aplicación CRUD completa para gestión de canciones con Django, plantillas y base de datos. • Recursos Humanos Full Stack: Aplicación de gestión de empleados con Angular + Flask. • Empleados Full Stack: Aplicación completa con React + Django para administrar empleados. • Aplicación Catálogo de Películas con Flet (Flutter + Python) • Sistema de Administración de Mascotas con PySide (App de Escritorio) • Biblioteca Personal (Libros) con Fast API + React + MySql (App Full Stack) Además, continúan los proyectos clásicos como Catálogo de Películas, Mundo PC, Zona Fit App, Máquina de Snacks y Calculadora GUI, totalmente actualizados con mejoras y prácticas modernas. Tecnologías que dominarás Python • Flask • Django • FastAPI • SQLAlchemy • MySQL • PostgreSQL • Tkinter • PySide • HTML • CSS • Bootstrap • Angular • React • REST API • Flask REST • Django REST Framework • Alembic A lo largo del curso verás cómo estas tecnologías se combinan para crear aplicaciones reales: desde scripts de consola, pasando por GUIs de escritorio, hasta aplicaciones web y sistemas Full Stack completos. Contenido del curso Más de 600 clases organizadas en 38 secciones con: • Material descargable • Código fuente • PDFs de apoyo • Proyectos prácticos • Retos guiados • Cuestionarios para reforzar tu aprendizaje Todo el contenido está diseñado para llevarte de nivel principiante a nivel profesional, con ejemplos claros y aplicaciones que podrías usar como base para tus propios proyectos. Este es tu camino hacia el dominio de Python. No necesitas experiencia previa. Comenzarás desde lo más básico —como variables, operadores y estructuras de control— y avanzarás hasta: • Manejar POO con soltura. • Crear y consumir APIs REST. • Trabajar con bases de datos relacionales. • Construir aplicaciones web completas. • Desarrollar interfaces gráficas y herramientas de escritorio. • Crear aplicaciones Full Stack con Angular y React como Front End. El enfoque del curso es 100% práctico: verás teoría, muy bien explicada, y siempre acompañada de ejemplos prácticos y proyectos reales. Por qué elegir este curso • Más de 114 horas de contenido actualizado. • Más de 280,000 estudiantes inscritos. • Promedio de 4.7 estrellas en Udemy. • Actualizaciones continuas y nuevos proyectos con Python y su ecosistema moderno. • Acceso de por vida, 100% en español. Este es el mejor curso de Python en todo Udemy para aprender desde cero y llegar a un nivel profesional, con explicaciones claras, proyectos reales y una ruta de aprendizaje completa. Prepárate para dominar Python y desarrollar proyectos modernos con tecnologías actuales. Universidad Python es más que un curso: es tu camino para convertirte en desarrollador Python profesional. Te vemos dentro del curso. Tus amigos e instructores, Ing. Marcela Gamiño e Ing. Ubaldo Acosta Fundadores de GlobalMentoring com mx, con más de 15 años de experiencia enseñando desarrollo de software y formando profesionales en todo el mundo.
Ultimate Python: de cero a programador experto
Si quieres aprender a programar, eres estudiante y quieres pulir tus habilidades o ya eres desarrollador Python y quieres conocer más acerca del lenguaje, tienes que tener este curso en tu curriculum. Derechamente te conviene y de esto mismo se trata este curso! Python esta dentro de los lenguajes más populares en la actualidad, debido a que se utiliza para construir aplicaciones grandes y robustas. Desde automatizar tareas simples hasta trabajar con Machine Learning, desarrollo Web o ciencias de datos. En este curso vamos a ver todo lo que necesitas saber sobre Python, lo suficiente para convertirte en un maestro de manera rápida, con videos en cápsulas pequeñas y ejemplos fáciles de seguir. No busques más, este es el curso de Python definitivo. Dentro de las cosas que veremos en este curso: • Instalación de herramientas necesarias • Tipos Básicos • Tipos Avanzados • Control de flujo • Funciones • Clases • Excepciones • Módulos • Librerías nativas • Indice de paquetes PIP • Las librerías más populares • Introducción a Django • Machine Learning • Y mucho más! En este curso tendremos ejercicios constantemente entre sus secciones para que podamos aplicar lo aprendido, este es un buen balance entre clases teóricas y clases prácticas. Este curso está pensado para personas desde que quieren aprender a programar hasta que quieren convertirse en verdaderos expertos en el lenguaje. No esperes más y aprende todo lo necesario aquí y ahora!
Python para Data Science & Machine Learning en 18 Días
"Python TOTAL", el curso Best-Seller que ha enseñado Python desde cero a miles y miles, necesitaba un complemento perfecto: "Python TOTAL para Data Science y Machine Learning". ¿Por qué hacía falta? Porque con este curso, además de aprender Python desde cero, podrás llevarlo hacia la ciencia del momento: Data Science (o Ciencias de la Información), para poder programar herramientas capaces de procesar cantidades monumentales de información, y de generar no solo visualizaciones relevantes, informativas y atractivas, sino también predicciones a partir de los datos que disponemos. Con "Python Total para Data science & Machine Learning" podrás ayudar a quienes toman decisiones a entender mejor el contexto y la realidad sobre la cual están operando, para poder ser eficaces, eficientes y acertivos en sus decisiones. ¿Que encontrarás en este curso? • 18 días de aprendizaje intenso y práctico • Cientos de ejercicios de código en la plataforma (3 por cada lección) • Vientos de archivos de código descargable • Proyectos díarios del mundo real para aplicar lo aprendido • Decenas de bases de datos para prácticas • Cuestionarios • Lecciones teóricas y prácticas hechas con amor por la simplicidad ¿Qué temas cubre este curso? • Python básico • Pandas • NumPy • Matplotlib • Seaborn • Scikit Learn • Tensorflow • Machine Learning • Excel y Power BI para Data Science • Algoritmos de Aprendizaje Supervisado, No Supervisado y por Reforzamiento • Bases de Datos • APIs • Deep Learning • Etica y Provacidad en Data Science • y muchísimo más ¿Por qué puedo ayudarte? Mi nombre es Federico Garay, soy instructor Best-Seller con la medalla "Socio de Udemy". Mis cursos han enseñado a cientos de miles de personas a programar, y mi calificación promedio no baja de 4.7 estrellas. Amo enseñar. Amo buscar la explicación simple de las cosas. Quiero que todos entiendan y que nadie se quede atrás. Contesto TODAS las preguntas de mis estudiantes en menos de 24-48 horas. Si ya has visto otros cursos exitosos como Python Total o Excel Total, no dudarás en aprender conmigo, porque además de crecer, te vas a divertir. ¿Puedes hacer este curso sin haber hecho el de Python Total? Claro que sí. En este curso retomamos de manera dinámica lo aprendido en Python TOTAL desde cero, para que nadie se quede afuera. No quiero que tengas que comprar nada extra, y quiero que con este curso obtengas todo el conocimiento y las habilidades necesarias para ser un científico de datos, ya sea que tengas experiencia, o que nunca hayas programado en tu vida. Estoy seguro de que no te arrepentirás, por eso te invito a probar el curso, y si no es lo que buscabas cuentas con la garantía de Udemy de devolución del 100% de tu dinero dentro de los 30 días. No le demos más vueltas, este es el curso que necesitas. Te espero en la lección #1 Fede
Machine Learning y Data Science: Curso Completo con Python
¡Hola a todos y bienvenidos a este curso sobre los fundamentos del Machine Learning y su aplicación en la solución de problemas reales mediante el uso de Python 3! Mi nombre es Santiago Hernández y voy a ser vuestro instructor a lo largo de este programa formativo, tenéis más información sobre mí en la biografía o en el vídeo “Presentación del instructor”. A lo largo de este curso sobre Machine Learning y Data Science presentaré, desde un nivel muy básico y al alcance de todo tipo de perfiles, los fundamentos teóricos y matemáticos que se necesitan para comprender en detalle el funcionamiento de los algoritmos de aprendizaje automático y las técnicas de ciencia de datos más importantes en la actualidad. Para ello, utilizaré el enfoque que mejores resultados me ha proporcionado al impartir este tipo de clases en diferentes universidades, un enfoque práctico, en el que veréis como se desarrollan las diferentes funciones y ecuaciones matemáticas de mi puño y letra. Representaré gráficamente todas las intuiciones matemáticas en las que se fundamenta el Machine Learning, de manera que, cualquier persona pueda comprenderlas y avanzar con las siguientes secciones. Este no es un curso para matemáticos, es un curso para todos aquellos que quieren adentrarse en el dominio del aprendizaje automático aprendiendo unas bases sólidas que le permitan solucionar problemas reales mediante la implementación en Python 3 de las principales técnicas existentes y comprender aquellos algoritmos que surjan en el futuro. A medida que vayamos construyendo y comprendiendo estos fundamentos teóricos, iremos aplicándolos a casos de uso prácticos en los que utilizaremos conjuntos de datos reales. Yo soy un firme creyente de que aquellas cosas que se aprenden de manera teórica deben saberse aplicar a casos de uso prácticos para sacarles todo el rendimiento posible, y esto es exactamente lo que haremos a lo largo del curso. En estos casos prácticos, trataremos de resolver diferentes problemas que existen en la actualidad mediante la aplicación de Machine Learning y Data Science en dominios tan interesantes como la Ciberseguridad utilizando el lenguaje de programación Python 3. Por supuesto, desde el primer momento dispondréis de todo el código fuente y de la posibilidad de utilizarlo para vuestros propios desarrollos. La inteligencia Artificial y más concretamente el Machine Learning, ha sido percibida en muchas ocasiones como una disciplina compleja al alcance de unos pocos profesionales. Este curso ha sido creado para refutar esta creencia y demostrar que cualquier persona con suficiente interés puede convertirse en un profesional del aprendizaje automático, inscríbete ahora y compruébalo tú mismo. Temario del curso • Bienvenido al curso: Machine Learning desde cero. Proyectos reales en Python 3 • Machine Learning: Contexto y Motivación • Introducción y creación el entorno de aprendizaje para Python 3: Jupyter Notebook, Jupyter Lab, Google Colaboratory, Numpy, Pandas, Matplotlib • ¿Qué es el Machine Learning?: Aprendizaje Supervisado, Aprendizaje no Supervisado, Aprendizaje Online, Aprendizaje Batch, Aprendizaje basado en Instancias, Aprendizaje basado en Modelos • Regresión y Clasificación: Regresión Lineal, regresión Logística • Creación de un proyecto de Machine Learning: Visualización del conjunto de datos, Overfitting, Underfitting, Evaluación, Selección del modelo • Support Vector Machines (SVM): Hard Margin Classification, Soft Margin Classification, Modelo Lineal, Kernels • Árboles de decisión y conjuntos de árboles: Árbol de decisión, Gini Impurity, Ensemble Learning, Bagging, Pasting, Boosting, Stacking, Random Forests • Selección y Extracción de características • Algoritmos de Clustering: Kmeans, Dbscan, Purity Score, Silhouette coefficient, Calinski & Harabasz index • Algoritmos de Machine Learning basados en probabilidad: Teorema de Bayes, Naive Bayes, Bernoulli Naive Bayes, Gaussian Naive Bayes • Algoritmos de Machine Learning para la detección de anomalías: Gaussian distribution, Multivariate Gaussian distribution, Random Forest • Redes Neuronales Artificiales y Deep Learning: Threshold Logic Unit, Percetrón, Perceptrón Multicapa, Redes Neuronales Profundas • Despedida del curso: Machine Learning desde cero. Proyectos reales en Python 3
Curso completo de Python: Programación en Python desde cero
¡Bienvenido a este curso en el que aprenderás todo lo que necesitas saber para convertirte en un experto en Python y en su aplicación a diferentes disciplinas como el Machine Learning, la Ciberseguridad o el desarrollo de videojuegos! Mi nombre es Santiago Hernández y voy a ser tu instructor a lo largo de este programa formativo, si quieres obtener más información sobre mí, te recomiendo que revises el vídeo de "Presentación del curso" que se encuentra público en esta misma página. Lo primero que debes saber sobre este curso es que su enfoque es eminentemente práctico, el 100% de las horas del curso se corresponden con ejercicios en los que se muestran los conceptos básicos y avanzados del lenguaje de programación Python mediante el uso de herramientas como Jupyter Notebook o PyCharm. Este curso esta diseñado para cualquier persona que quiera iniciarse en la programación con Python. Comenzando desde un nivel básico, y avanzando a medida que se realiza el curso hasta niveles avanzados donde nos enfrentaremos a casos de uso reales como la clasificación de imágenes mediante Machine Learning, el desarrollo de algunos videojuegos o la clasificación de correos electrónicos en SPAM y legítimos. Después de realizar este curso tendrás todos los conocimientos necesarios para aplicar Python 3 a cualquier disciplina en un entorno profesional. Desde hace unos años Python es el lenguaje de programación más utilizado en el mundo y uno de los más demandados en términos laborales. Este curso esta diseñado para que cualquier persona con suficiente interés pueda convertirse en un profesional de este leguaje, inscríbete ahora y compruébalo tu mismo. Temario del curso: • Bienvenida al curso • Preparación del entorno de aprendizaje • ¿Qué es Python? • Introducción a Python • Operadores en Python • Tipos de datos complejos en Python • Estructuras de control de flujo en Python • Python 3 orientado a objetos • Trabajando con objetos en Python • Programación modular en Python • Manejo de excepciones en Python • Proyecto Final 1 - Videojuego Snake • Proyecto Final 2 - Filtro de detección de Spam • Despedida del curso
Machine Learning de A a la Z: R y Python para Data Science
Apúntate a nuestro Curso de Machine Learning de la A a la Z. R y Python para Data Science. ¿Estás interesado en conocer a fondo el mundo del Machine Learning? Entonces este curso está diseñado especialmente para ti!! Este curso ha sido diseñado por Data Scientists profesionales para compartir nuestro conocimiento y ayudarte a aprender la teoría compleja, los algoritmos y librerías de programación de un modo fácil y sencillo. En él te guiaremos paso a paso en el mundo del Machine Learning. Con cada clase desarrollarás nuevas habilidades y mejorarás tus conocimientos de este complicado y lucrativa sub rama del Data Science. Este curso es divertido y ameno pero al mismo tiempo todo un reto pues tenemos mucho de Machine Learning por aprender. Lo hemos estructurado del siguiente modo: Partes del curso • 1ª Parte – Preprocesamiento de datos • 2ª Parte – Regresión: Regresión Lineal Simple, Regresión Lineal Múltiple, Regresión Polinomial, SVR, Regresión en Árboles de Decisión y Regresión con Bosques Aleatorios • 3ª Parte – Clasificación: Regresión Logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación con Árboles de Decisión y Clasificación con Bosques Aleatorios • 4ª Parte – Clustering: K-Means, Clustering Jerárquico • 5ª Parte – Aprendizaje por Reglas de Asociación: Apriori, Eclat • 6ª Parte – Reinforcement Learning: Límite de Confianza Superior, Muestreo Thompson • 7ª Parte – Procesamiento Natural del Lenguaje: Modelo de Bag-of-words y algoritmos de NLP • 8ª Parte – Deep Learning: Redes Neuronales Artificiales y Redes Neuronales Convolucionales • 9ª Parte – Reducción de la dimensión: ACP, LDA, Kernel ACP • 10ª Parte – Selección de Modelos & Boosting: k-fold Cross Validation, Ajuste de Parámetros, Grid Search, XGBoost Además, el curso está relleno de ejercicios prácticos basados en ejemplos de la vida real, de modo que no solo aprenderás teoría, si no también pondrás en práctica tus propios modelos con ejemplos guiados. Y como bonus, este curso incluye todo el código en Python y R para que lo descargues y uses en tus propios proyectos. Además, con el curso obtendrás el libro oficial de preguntas típicas de machine learning, creado a partir de las dudas de los estudiantes con más ejemplos y respuestas a tus posibles dudas.
Inteligencia Artificial y Deep Learning desde cero en Python
¡Bienvenido a este curso sobre los fundamentos del Deep Learning y más concretamente de las Redes Neuronales Artificiales Profundas utilizando Python 3 y las librerías más populares como Sklearn, Tensorflow 2.0 o Keras! Mi nombre es Santiago Hernández y voy a ser vuestro instructor a lo largo de este programa formativo, tenéis más información sobre mí en la biografía o en el vídeo “Presentación del instructor”. A lo largo de este curso sobre Inteligencia Artificial y Deep Learning presentaré, desde un nivel muy básico y al alcance de todo tipo de perfiles, los fundamentos teóricos y matemáticos que se necesitan para comprender en detalle el funcionamiento de los algoritmos de Deep Learning y las librerías (Tensorflow, Keras ...) más importantes en la actualidad. Para ello, utilizaré el enfoque que mejores resultados me ha proporcionado al impartir este tipo de clases en diferentes universidades, un enfoque práctico, en el que veréis como se desarrollan las diferentes funciones y ecuaciones matemáticas de mi puño y letra. Representaré gráficamente todas las intuiciones matemáticas en las que se fundamenta la Inteligencia Artificial y más concretamente el Deep Learning, de manera que, cualquier persona pueda comprenderlas y avanzar con las siguientes secciones. Este no es un curso para matemáticos, es un curso para todos aquellos que quieren adentrarse en el dominio del aprendizaje profundo construyendo unas bases sólidas que le permitan solucionar problemas reales mediante la implementación de las principales técnicas existentes en Python 3 con Tensorflow 2.0 y Keras y comprender aquellos algoritmos que surjan en el futuro. A medida que vayamos construyendo y comprendiendo estos fundamentos teóricos, iremos aplicándolos a mas de 30 casos de uso prácticos. Yo soy un firme creyente de que aquellas cosas que se aprenden de manera teórica deben saberse aplicar a casos de uso prácticos para sacarles todo el rendimiento posible, y esto es exactamente lo que haremos a lo largo del curso. En estos casos prácticos, trataremos de resolver diferentes problemas que existen en la actualidad mediante la aplicación de Machine Learning, Deep Learning y Data Science utilizando las últimas librerías disponibles, como, por ejemplo, Sklearn, Keras o Tensorflow mediante el lenguaje de programación Python 3. Por supuesto, desde el primer momento dispondréis de todo el código fuente y de la posibilidad de utilizarlo para vuestros propios desarrollos. La inteligencia Artificial y el Deep Learning, han sido percibidas en muchas ocasiones como disciplinas complejas al alcance de unos pocos profesionales. Este curso ha sido creado para refutar esta creencia y demostrar que cualquier persona con suficiente interés puede convertirse en un profesional de la Inteligencia Artificial y las redes neuronales artificiales profundas, inscríbete ahora y compruébalo tú mismo. Temario del curso • Bienvenida al curso de Deep Learning y Redes Neuronales Artificiales Profundas • Motivación • Entorno de aprendizaje: Jupyter Notebook, Anaconda, Python 3, Google Colaboratory • ¿Qué es el Deep Learning?: End-to-end Learning, Machine Learning • Introducción a las Redes Neuronales Artificiales: Neurona de Mcculloch y Pitts • El Perceptrón • Redes Neuronales Artificiales Profundas: Perceptrón Multicapa • Función de error y función de optimización: Binary Crossentropy, Gradient Descent • Entrenamiento de Redes Neuronales Artificiales Profundas: Forward Propagation, Backward Propagation • Redes Neuronales Artificiales Profundas: Implementación Vectorizada • Regresión y Clasificación con Redes Neuronales Artificiales Profundas: Softmax Regression • Introducción a Keras con Python 3 • Funciones de activación: sigmod, tanh, relu, leaky relu... • Funciones de optimización: Mini-Batch Gradient Descent, Stochastic Gradient Descent, Momentum Gradient Descent, RMSprop, Adam • Selección de hiperparámetros: Keras tuner • Tensorflow 2.0: Implementando Redes Neuronales Artificiales profundas • Consideraciones de un proyecto de Deep Learning: Overfitting, Underfitting, Train Set, Validation Set, Test Set, Regularización, Dropout, Normalización... • Despedida del curso de Deep Learning
Todo en Data Science y Machine Learning con Python
El problema La Data Science o ciencia de datos es una de las profesiones más adecuadas para prosperar en este siglo. Es digital, orientada a la programación y analítica. Por lo tanto, no es de extrañar que la demanda de científicos de datos haya aumentado en el mercado laboral. Sin embargo, la oferta de Data Science es muy limitada. Es difícil adquirir las habilidades necesarias para ser contratado como científico de datos. ¿Y cómo puedes hacer eso? Las universidades han sido lentas en crear programas especializados de ciencia de datos. (sin mencionar que los que existen son muy caros y consumen mucho tiempo). La mayoría de los cursos de Data Science en línea se centran en un tema específico y es difícil entender cómo la habilidad que enseñan encaja en el cuadro completo. La solución La ciencia de datos es un campo multidisciplinario. Abarca un amplio rango de temas. · Comprender el campo de la ciencia de datos y los tipos de análisis realizados · Matemáticas · Estadística · Python · Aplicar técnicas estadísticas avanzadas en Python · Visualización de datos · Aprendizaje automático · Aprendizaje profundo Cada uno de estos temas se basa en los anteriores. Y te arriesgas a perderte en el camino si no adquieres estas habilidades en el orden correcto. Por ejemplo, te costaría aplicar las técnicas de Aprendizaje Automático antes de entender las Matemáticas subyacentes. También puede ser abrumador estudiar el análisis de regresión en Python antes de saber lo que es una regresión y tener nociones básicas de programación en Python. Por lo tanto, en un esfuerzo por crear la capacitación disponible en línea más efectiva, eficiente con el tiempo y estructurada, creamos En entrenamiento Completo en Data Science con Python 2022. Creemos que este es el primer programa de entrenamiento que resuelve el mayor reto para entrar en el campo de las ciencias de datos – tener todos los recursos necesarios en un solo lugar. Además, nuestro objetivo es enseñar temas que fluyen sin problemas y se complementan entre sí. El curso te enseña todo lo que necesitas saber para convertirte en un científico de datos a una fracción del costo de los programas tradicionales (sin mencionar la cantidad de tiempo que ahorrarás). Las habilidades 1. Introducción a los datos y la ciencia de datos Macrodatos, inteligencia de negocio, análisis de negocio, aprendizaje automático e inteligencia artificial. Sabemos que esta jerga pertenece al campo de la Data Science, pero ¿qué significa? ¿Por qué aprenderlo? Como candidato a científico de datos, debes entender los pormenores de cada una de estas áreas y reconocer el enfoque apropiado para resolver un problema. Esta 'Introducción a los datos y la ciencia de datos' te dará una visión completa de toda esta jerga y dónde encaja en el ámbito de la Data Science. 2. Matemáticas Aprender las herramientas es el primer paso para hacer ciencia de datos. Primero debes ver el panorama completo para luego examinar las partes en detalle. Damos un vistazo detallado específicamente en el cálculo y el álgebra lineal, ya que son los subcampos en los que se basa la ciencia de datos. ¿Por qué aprenderlo? El cálculo y el algebra lineal son esenciales para la programación en ciencia de datos. Si quieres entender algoritmos de aprendizaje automático avanzados, entonces necesitarás estas habilidades en tu arsenal. 3. Estadística Necesitas pensar como un científico antes de convertirte en un científico de datos. La estadística entrena tu mente para enmarcar los problemas como hipótesis y te da técnicas para comprobar estas hipótesis, al igual que un científico. ¿Por qué aprenderlo? Este curso no sólo te da las herramientas que necesitas, sino que también te enseña cómo utilizarlas. Las estadísticas te entrenan para pensar como un científico. 4. Python Python es un lenguaje de programación relativamente nuevo y, a diferencia de R, es de propósito general. ¡Puedes hacer cualquier cosa con él! Aplicaciones web, juegos de ordenador y ciencia de datos son algunas de sus capacidades. Es por eso que, en un corto espacio de tiempo, Python ha logrado disrumpir muchas disciplinas. Se han desarrollado bibliotecas extremadamente potentes para permitir la manipulación, transformación y visualización de datos. Sin embargo, donde Python realmente brilla es cuando se trata de aprendizaje automático y profundo. ¿Por qué aprenderlo? Cuando se trata de desarrollar, implementar e implantar modelos de aprendizaje automático a través de infraestructuras poderosas como scikit-learn, TensorFlow, etc., Python es un lenguaje de programación imprescindible. 5. Tableau Los científicos de datos no sólo necesitan ocuparse de los datos y resolver problemas relacionados con los datos con herramientas de programación como Python. También necesitan convencer a los ejecutivos de la empresa de las decisiones correctas a tomar. Estos ejecutivos quizá no sean conocedores de la ciencia de los datos, por lo que el científico de datos debe ser capaz de presentar y visualizar la historia de los datos de una manera que ellos puedan entender. Aquí es donde entra en juego Tableau, y te ayudaremos a convertirte en un experto narrador de historias utilizando el software de visualización líder en inteligencia empresarial y ciencia de datos. ¿Por qué aprenderlo? Un científico de datos se vale de herramientas de inteligencia empresarial como Tableau para comunicar resultados complejos a los responsables de la toma de decisiones que no tienen formación técnica. 6. Estadística avanzada Las regresiones, el agrupamiento y el análisis de factores son disciplinas que se inventaron antes del aprendizaje automático. Sin embargo, ahora todos estos métodos estadísticos se ejecutan a través del aprendizaje automático para proporcionar predicciones con una precisión sin precedentes. En esta sección se examinarán estas técnicas en detalle. ¿Por qué aprenderlo? La ciencia de datos trata sobre construir modelos predictivos y podrás convertirte en un experto en estos métodos a través de esta sección de "Estadística avanzadas". 7. Aprendizaje automático La parte final del programa de Data Science y a la que apuntan las otras secciones es el aprendizaje profundo. La capacidad de emplear el aprendizaje automático y profundo en su trabajo es lo que a menudo separa a un científico de un analista de datos. Esta sección cubre todas las técnicas comunes de aprendizaje automático y los métodos de aprendizaje profundo con TensorFlow. ¿Por qué aprenderlo? El aprendizaje automático está en todas partes. Compañías como Facebook, Google, y Amazon han estado usando por años máquinas que pueden aprender por su cuenta. Ya es tiempo de que tú controles las máquinas. ***Lo que obtendrás*** · Un programa de ciencia de datos de $1250 · Apoyo activo de Preguntas y Respuestas · Todo el conocimiento para ser contratado como científico de datos · Una comunidad de estudiantes de ciencia de datos · Un certificado de finalización · Acceso a actualizaciones futuras · Resuelve casos de negocio de la vida real que te darán ese empleo Te convertirás en un científico de datos desde cero Estamos encantados de ofrecer una garantía incondicional de 30 días para la devolución de tu dinero. No hay riesgo para ti. El contenido del curso es excelente, y esto es muy sencillo para nosotros, ya que estamos seguros de que te encantará. ¿Por qué esperar? Cada día es una oportunidad perdida. Haz clic en el botón “Comprar ahora” sé parte de nuestro programa de ciencia de datos hoy.
Análisis de Datos con Pandas y Python
¿Qué es Pandas? Cuando usas Pandas estas accediendo a una biblioteca de código abierto que proporciona estructuras y herramientas de análisis de datos de alto rendimiento y fáciles de usar para el lenguaje de programación Python. El conjunto de herramientas de Pandas es potente y completo para trabajar con datos, incluidas herramientas para: • Leer y escribir diversos archivos • Limpieza de datos • Análisis • Modelado • Visualización ¿Quién utiliza Pandas y Python? Los campos en los que se utilizan estos recursos más generalmente, abarcan las siguientes disciplinas: • Ciencia de datos • Finanzas • Neurociencia • Economía • Publicidad • Análisis web • Estadísticas • Ciencias sociales • Muchas áreas de ingeniería. Genial, pero ¿por qué elegir este curso? En este curso, aprenderás cómo usar la biblioteca de Pandas y las herramientas para el análisis y la estructuración de datos. Vas a aprender sobre DataFrames, series, gráficos básicos, indexación, ordenamiento, agrupación, iteración, localización, apilación, etc. Todo esto te ayudará a trabajar con datos de manera muy efectiva, eficiente y práctica. El mercado está repleto de analistas competentes, ¡y sin estas herramientas siempre estarás por detrás de tu competencia! Ok Fede, hago el curso, ¿y luego qué? Al finalizar este curso, vas a tener una buena comprensión de Pandas y serás competente utilizando la biblioteca Python Pandas para el análisis de datos. Tu instructor (yo) va a estar disponible para preguntas y dudas todo el tiempo con experiencia en responder a todos los estudiantes en menos de 24 horas!... bueno, los fines de semana puede que un poco más ☺ Si te quedan dudas, lee esto Con nuestra garantía de devolución del 100% del dinero dentro de los 30 días, no hay razón para no comprobar si este curso llena tus expectativas! Tengo muchas ganas de compartir contigo el increíble mundo del aprendizaje. Te espero en la lección #1! Saludos Fede
Big Data y Spark: ingeniería de datos con Python y pyspark
Bienvenidos al curso Big Data y Spark: ingeniería de datos con Python y pyspark. En este curso aprenderás a trabajar con Spark a través de la librería PySpark de Python en Google Colaboratory. Spark es esencialmente un sistema distribuido que fue diseñado para procesar un gran volumen de datos de manera eficiente y rápida. El objetivo de este curso es aprender a trabajar con las principales abstracciones de Spark, las cuales son los RDDs y los DataFrames. El material que proponemos en el curso está pensado para todas las personas que bien deseen iniciarse en el trabajo con Spark, o que por otro lado, deseen consolidar los conocimientos que ya poseen sobre los temas que se abordarán. El curso está diseñado de una forma progresiva y gradual que le permitirá al estudiante entender y desarrollar las principales habilidades para el trabajo con RDDs y DataFrames en Spark. Además, se abordarán temas avanzados que le permitirán optimizar las aplicaciones de Spark que pueda construir en un futuro, o bien, mejorar aquellas que ya se tengan implementadas. Empezamos el curso con una breve introducción al Big Data y a Spark. Posteriormente continuamos con una sección en donde los guiaremos para que instalen y configuren Spark en Google Colaboratory. Una vez hayan concluido esta sección, estarán en condiciones de ejecutar notebooks en Colaboratory utilizando Spark. Las siguientes secciones del curso están pensadas para entender y aplicar en la práctica las principales cuestiones sobre los RDDs y los DataFrames. El temario procura en todo momento analizar temas específicos por cada lección, permitiéndole así al estudiante localizar rápidamente cualquier contenido de una forma rápida. La mayoría de las lecciones están conformadas por una parte teórica y otra práctica. Mi nombre es José Miguel Moya y me desempeño actualmente como Ingeniero de Datos Senior. Como parte de mi trabajo diario utilizo Spark con Python y Scala para obtener y procesar enormes cantidades de datos. Te invito a que veas el video de presentación del curso y las lecciones gratuitas. Te espero en el curso, tenga usted un cordial saludo.
Curso completo de Estadística descriptiva - RStudio y Python
Conoce toda la estadística descriptiva de la mano de Juan Gabriel Gomila y María Santos. Asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido del curso. En particular verás los mismos contenidos que explicamos en primero de carrera a matemáticos, ingenieros o informáticos como por ejemplo: • Logística e instalación de R y RStudio y de Anaconda Navigator para Python • Cómo usar R y Python como si fuese una calculadora científica (incluyendo un repaso de funciones, trigonometría y combinatoria) • Introducción a la programación funcional con R desde cero (ideal para seguir tomando a posteriori cursos de análisis de datos). • Uso de gráficos para representar datos estadísticos incluyendo plots de nubes de puntos, histogramas, diagramas circulares o diagramas de caja y bigotes entre otros. Además tendrás ejemplos tanto en R como con matplotlib de Python. • Introducción a las técnicas de machine learning como por ejemplo la regresión lineal. • Profundización en tipos de datos cualitativos, cuantitativos y ordinales y el correcto análisis de cada uno de ellos. • Introducción a la probabilidad, empezando desde lo más básico, pasando por variables aleatorias hasta llegar a tratar las distribuciones de probabilidad más conocidas (tanto discretas como continuas) • Comprende los estadísticos más relevantes de una distribución, como por ejemplo la media, varianza así como sesgo y curtosis. Y aprende a calcularlos tanto con R como con Python. • Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial. Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila como los cursos de Machine Learning o Inteligencia Artificial con Python o RStudio o el Curso de Data Science con Tidyverse y RStudio. Todo el material del curso está enfocado en resolver los problemas de falta de base que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.
Curso Completo: LangChain, LangGraph y Agentes IA con Python
En este curso 100% práctico y desde cero, dominarás las tecnologías más avanzadas para crear agentes de Inteligencia Artificial profesionales usando Python, LangChain y LangGraph. Aprenderás a construir sistemas de IA que procesan información, toman decisiones autónomas y resuelven problemas complejos del mundo real. ¿Qué lograrás con este curso? Al finalizar, serás capaz de desarrollar sistemas completos de Inteligencia Artificial que integran múltiples fuentes de datos, mantienen memoria persistente y ejecutan tareas complejas de forma autónoma. Podrás crear desde chatbots avanzados hasta sistemas multi-agente especializados para casos de uso empresariales. Imagina construir un asistente legal que analiza contratos automáticamente, un sistema de atención al cliente que escala a humanos cuando es necesario, o un centro de operaciones de seguridad con múltiples agentes especializados, todo esto lo desarrollarás durante el curso. Lo que aprenderás: • Fundamentos sólidos de LangChain: Comenzarás desde cero con los conceptos esenciales. Dominarás la arquitectura de LangChain, incluyendo Runnables, LCEL (LangChain Expression Language), Prompt Templates y Output Parsers. Aprenderás a estructurar respuestas con Pydantic y crear cadenas de procesamiento robustas. • Sistemas RAG (Retrieval Augmented Generation): Construirás sistemas que conectan IA generativa con datos del mundo real. Aprenderás Document Loaders, Text Splitters, Embeddings, bases de datos vectoriales y estrategias avanzadas de recuperación. Crearás sistemas que pueden procesar documentos, PDFs y fuentes externas de información. • Dominio completo de LangGraph: Utilizarás la tecnología más avanzada para crear flujos de trabajo inteligentes. Aprenderás control de flujo, toma de decisiones, estados avanzados, checkpoints y persistencia. Implementarás sistemas que pueden pausarse, reanudarse y mantener contexto a largo plazo. • Gestión avanzada de memoria: Implementarás diferentes tipos de memoria en tus agentes: memoria de conversación, memoria vectorial, ventanas deslizantes y memoria persistente. Crearás sistemas que recuerdan interacciones pasadas y aprenden de ellas, incluyendo chat multi-usuario con memoria independiente. • Herramientas y Agentes de IA especializados: Integrarás APIs externas, herramientas personalizadas y servicios web. Construirás agentes que pueden buscar en internet, analizar ciberseguridad, procesar reuniones y coordinar tareas complejas. Aprenderás tanto agentes de IA individuales como sistemas multi-agente coordinados. • Aplicaciones web completas: Desarrollarás interfaces profesionales con Streamlit y APIs con FastAPI. Crearás dashboards interactivos, sistemas de evaluación de CVs, asistentes legales y centros de operaciones completos con interfaces web funcionales. • Casos de uso empresariales reales: Cada módulo incluye proyectos prácticos basados en necesidades reales del mercado: sistemas de evaluación de candidatos, asistentes legales para análisis de contratos, helpdesks inteligentes con escalado humano, y centros de operaciones de seguridad multi-agente. Por qué este curso es para ti: Si eres desarrollador, científico de datos, o profesional técnico que quiere dominar la Inteligencia Artificial aplicada, este curso te dará las habilidades más demandadas del mercado. No necesitas experiencia previa en IA, pero sí conocimientos básicos de Python. Cada lección combina teoría esencial con implementación práctica inmediata. Terminarás cada sección con proyectos funcionales que podrás usar en tu portafolio profesional. El curso está diseñado para llevarte desde los conceptos básicos hasta implementaciones empresariales avanzadas. Tecnologías que dominarás: • LangChain y LangGraph (último stack de IA) • OpenAI, Google Gemini, y modelos open source • Bases de datos vectoriales (ChromaDB, FAISS) • APIs modernas (FastAPI, REST) • Streamlit para interfaces web • Herramientas especializadas (Tavily Search, GmailToolkit) Transformación garantizada: Al completar este curso, tendrás las habilidades para desarrollar cualquier sistema de IA empresarial. Podrás identificar oportunidades de automatización inteligente, diseñar arquitecturas robustas y implementar soluciones escalables que generen valor real en organizaciones. Saldrás con conocimientos profundos en las tecnologías más avanzadas de IA, un portafolio de proyectos profesionales y la confianza para liderar iniciativas de Inteligencia Artificial en tu empresa o como freelancer. ¡No te quedes atrás en la revolución de la IA generativa! Únete ahora y conviértete en un experto en las tecnologías que están definiendo el futuro de la automatización inteligente. ¡Te esperamos dentro del curso para construir juntos el futuro de la Inteligencia Artificial!
Python Hacking: Ciberseguridad y Hacking Ético con Python
¡Bienvenido a este curso de Python Hacking: Ciberseguridad y Hacking Ético con Python! Con más de 50 casos prácticos reales, 34 horas de vídeo y cientos de recursos descargables, este es el curso más completo y actualizado disponible en español, ¡y probablemente también en inglés!. ¿Por qué este curso es único? • Instructor experto: Mi nombre es Santiago Hernández y llevo más de 10 años trabajando en algunas de las empresas más grandes de España y Latinoamérica en el ámbito del Hacking Ético y la Ciberseguridad. He impartido decenas de conferencias por todo el mundo, algunas de ellas en eventos de Hacking tan reconocidos como BlackHat o ToorCon San Diego. • Cursos reconocidos: Soy uno de los instructores mejor calificados del mundo hispanohablante, mis cursos de Hacking Ético, Ciberseguridad e Inteligencia Artificial son los más vendidos de Udemy con más de 100.000 alumnos. • Para todos los niveles: Aunque no tengas conocimientos previos de Python, este curso empieza con un módulo introductorio que te enseñará desde cero. • Enfoque práctico: Cada sección incluye ejercicios y proyectos que simulan situaciones reales, aplicables en entornos profesionales. • Curso integral: Con 34 horas de contenido en vídeo y cientos de recursos descargables, este curso abarca desde la instalación de herramientas hasta técnicas avanzadas de explotación, análisis y post-explotación. ¿Qué aprenderás? A lo largo del curso, trabajarás en más de 50 casos prácticos reales, incluyendo Google Hacking y automatización con Python, análisis y escaneo de redes, explotación de vulnerabilidades en hosts y aplicaciones web, evasión de defensas y aplicación de Inteligencia Artificial al ámbito del Hacking Ético y la Ciberseguridad. Entre los temas más relevantes que aprenderás se encuentran los siguientes: • Preparación del entorno de aprendizaje, donde comenzaremos con la instalación de VMware, Kali Linux, y Visual Studio Code para asegurarnos de que tienes todas las herramientas necesarias configuradas correctamente. • Fundamentos e introducción a Python, donde tendrás un curso rápido de Python. Aquí, aprenderás desde la sintaxis y semántica básica de Python, tipos de datos, hasta el control de flujo con condicionales y bucles. Además, profundizaremos en funciones, orientación a objetos, módulos, excepciones y el uso de librerías externas. • En el primer proyecto de Python Hacking, nos enfocaremos en Google Hacking, IA y Automatización. Aprenderás cómo usar Python para automatizar búsquedas, aplicar Inteligencia Artificial para mejorar técnicas de Hacking, manejar scripts y archivos, y emular el comportamiento humano con Selenium. • La investigación de fuentes abiertas (OSINT) con Python Hacking es una sección crucial donde utilizaremos Shodan y otros buscadores especializados para el análisis de DNS, geolocalización de IP y números de teléfono. También analizaremos metadatos y usaremos herramientas OSINT, además de realizar análisis de información histórica. • Escaneo y análisis de redes con Python, abordando desde sniffers y análisis de tráfico de red con Sockets y Scapy, hasta el escaneo de hosts, puertos y servicios. También integraremos Nmap y utilizaremos Inteligencia Artificial para priorizar hosts. • En el análisis de vulnerabilidades en Hosts con Python, usaremos BeautifulSoup para el procesamiento web y desarrollaremos un escáner de vulnerabilidades. Aprenderás a obtener y analizar CVEs y CVSS, y a usar Nessus con Python para el escaneo de vulnerabilidades. • La explotación de vulnerabilidades en Hosts con Python incluirá el desarrollo de exploits, shells TCP, HTTP y HTTPS reversas, transferencia de archivos y elevación de privilegios. Además, aprenderás a usar PyMetasploit para la explotación de vulnerabilidades y a compilar programas con Python y Pyinstaller. • La explotación de redes informáticas con Python te enseñará técnicas como MITM, ARP Spoofing y DNS Spoofing, interceptación y modificación de tráfico en tiempo real, y fuerza bruta y spoofing de MAC y DHCP. • En la explotación de aplicaciones web con Python, analizaremos aplicaciones web con OWASP ZAP y explotaremos vulnerabilidades como XSS y SQL Injection. También aprenderás a descubrir subdominios y contenido web, y a extender Burp Suite con Python. • Finalmente, en la post-explotación y evasión de defensas con Python, te centrarás en el cracking de contraseñas y hashes, obtención de contraseñas de navegadores y redes WiFi, persistencia y evasión de defensas con Python, y esteganografía para la exfiltración de información. Garantía de satisfacción: Estamos tan seguros de que te encantará este curso que ofrecemos una garantía de devolución del dinero de 30 días. ¡Inscríbete hoy sin riesgos y transforma tu carrera! ¡No esperes más, haz clic en el botón de compra y únete a nosotros en este apasionante de viaje de aprendizaje sobre Hacking Ético y Ciberseguridad con Python! Testimonios de nuestros estudiantes: • "Los cursos de Santiago Hernández son los mejores con diferencia, en calidad de imagen, audio, explicación y contenido. Inmejorable." - Antonio García • "Buen contenido, claro, preciso y útil, presentado de una forma muy dinámica que mantiene la atención. Felicitaciones por este buen curso." - Hernando Hoyos • "Fue un curso excelente, con muchos temas muy interesantes y sobre todo que pueden tener una aplicación inmediata en sectores profesionales de TI." - Jonathan Camacho • "Actualmente estoy tomando el curso y estoy muy contento con mi progreso hasta ahora. El curso está muy bien organizado, lo que facilita entender conceptos complejos de manera clara y sencilla. Cada sección está llena de información valiosa y las explicaciones del instructor son detalladas y fáciles de seguir." - Víctor Cornejo
Máster de especialista en Ciencia de Datos con Python
Máster de especialista en Ciencia de Datos con Python. Aprenda a desarrolar proyectos de Machine Learning y Deep Learning con Python. Data Science de básico a Experto Instructores: PhD. Manuel Castillo. Requisitos: Se recomienda tener conocimientos de programación, preferiblemte Python. Descripción del Curso: El curso de “Máster de especialista en Ciencia de Datos con Python” tiene dos bloques principales de estudio: El primer bloque se centra en un subcampo específico de aprendizaje automático llamado modelado predictivo y clustering. Este es el campo del aprendizaje automático que es el más útil en la industria y el cual se utilizar la librería de aprendizaje automático scikit-learn en Python por su gran rendimiento y facilidad en su uso. A diferencia del campo más amplio del aprendizaje automático que podría utilizarse con datos en cualquier formato, el modelado predictivo y clustering se centra principalmente en datos tabulares, llamados técnicamente Tidy Data (por ejemplo, tablas de números como en una hoja de cálculo). El segundo bloque se centra en el aprendizaje profundo. En este curso trataremos la librería Keras de Python para Deep Learning y cómo usarla para desarrollar y evaluar modelos de Deep Learning. En este curso, descubriremos las técnicas, código y habilidades de Deep Learning que luego puede llevar a sus propios proyectos de Machine Learning. La librería Keras envuelve la complejidad de la computación numérica de Theano y TensorFlow proporcionando una API concisa que usaremos para desarrollar nuestra propia red neuronal y modelos Deep Learning. Además, trataremos las habilidades de Deep Learning para llevar esta nueva tecnología asombrosa a nuestros propios proyectos. Contenidos del Curso: MÓDULO I. Introducción. • Conceptos básicos de machine learning. • Jupyter Notebook como nuestro entorno de machine learning. • Curso rápido de Python. MÓDULO II. Análisis de datos • Cargar un conjunto de datos. • Estadística descriptiva. • Visualización de datos. • Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida. • Examen tipo test sobre los contenidos del módulo. MODULO III. Preprocesamiento de datos • Análisis exploratorio de datos. • Preprocesamiento de datos. • Métodos de remuestreo para estimar la precisión del modelo. • Taller: Trabajo de aplicación de diferentes técnicas de análisis y procesamiento de datos de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida. • Examen tipo test sobre los contenidos del módulo. MÓDULO IV. Fase de tratamiento de datos • Evaluación de las métricas. • Feature Selection. • Feature Importance. • Reducción de dimensiones en un dataset. • Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas. • Examen tipo test sobre los contenidos del módulo. MÓDULO V. Fase de modelado • Algoritmos de Machine Learning. • Rendimiento de los algoritmos. • Algoritmos Ensamblados • Algoritmo "Super Lerner" • Taller: Aplicación de diferentes algoritmos de machine learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento. • Examen tipo test sobre los contenidos del módulo. MÓDULO VI. Redes Neuronales. • Curso sobre Multilayer Perceptron • Redes Feed Forward • Desarrollar nuestra primera red neuronal con Keras. • Evaluar el rendimiento de los modelos. • Proyecto: Problema de clasificación multiclase. • Proyecto: Problema de regresión. MODULO VII. Redes Neuronales Avanzadas • Guardar modelos para hacer predicciones. • Mantener puntos de control en el entrenamiento de los modelos. • Comprender el comportamiento del modelo durante el entrenamiento trazando el historial. • Reducir el sobreajuste con la regularización Dropout. • Optimizar el rendimiento con una planificación basada en la tasa de aprendizaje. MÓDULO VIII. Redes Neuronales Convolucionales • Curso intensivo en redes neuronales convolucionales. • Optimizar el rendimiento del modelo con Data Augmentation. • Proyecto: Reconocimiento de dígitos manuscritos. • Proyecto: Reconocimiento de objetos en fotografías. • Proyecto: Clasificación de opiniones en revisión de películas. MÓDULO IX. Redes Neuronales Recurrentes • Curso intensivo en redes neuronales recurrentes. • Modelos de perceptrones multicapa para problemas de series de tiempo. • Modelos LSTM para problemas de series temporales. • Proyecto: Clasificación secuencial de reseñas de películas. • Proyecto: Generación de texto. Características del Curso: Recuerda que esta formación incluye lecciones en vídeo fullHD con audio de estudio (compatible con TV, PC, Mac, tablet y smartphone), artículos didácticos, actividades, proyectos paso a paso, recursos descargables, links de interés, acceso de por vida, certificado de finalización, tutorización online, y una exclusiva comunidad de aprendizaje privada que nos ayudamos aportando nuestras experiencias en el foro de comunicación del curso. Con esta formación disfrutarás aprendiendo desde dónde quieras, sin tener que desplazarte, sin horarios, con quién quieras, según tus necesidades y disponibilidad. Aprenderás con un instructor avalado por miles da alumnos satisfechos en todo el mundo (comentarios certificados). Conocerás las técnicas, métodos, trucos y flujos de trabajo de este sector creativo. El docente te transmitirá su sabiduría y conocimientos con pasión a la vez que las explicaciones concisas, claras, sencillas y con un enfoque profesional en cada clase. Podrás conseguir un certificado homologado personalizado y firmado por tu instructor en cada formación. De está forma podrás compartir tu título en tu portafolio, currículo, en redes sociales... Con la alta definición de los vídeos (vídeo fullHD y audio de estudio) conseguirá no te perder detalle. Podrás ver las clases las veces que requieras para recordar y perfeccionar tus habilidades como diseñador. Tendrás la posibilidad de preguntar, pedir opinión y ayuda al instructor, además de compartir tu experiencia de aprendizaje con los demás alumnos del curso, tan apasionados como tú, repartidos por todo el mundo. Seleccionamos cuidadosamente los contenidos y producimos cada curso para garantizar una experiencia de aprendizaje online integral y de la máxima calidad. ¿A qué esperas?, este curso es ideal para ti, atrévete a convertirte en un experto. Adelante, nos vemos dentro de la formación.
Data Science con Python - Numpy & Pandas [2026]
¿Quiere iniciar su camino para convertirse en científico de datos y dominar el área de Data Science? --- Escuche de otros alumnos por qué este es el curso de Ciencia de Datos MEJOR VALORADO en español: "Excelente curso, el instructor cuenta con gran dominio del tema y las explicaciones de las clases son muy practicas y fáciles."-- Manuel "Realmente el profesor explica muy bien, el curso está muy bien extructurado, me siento muy feliz de haber comprado el curso."--Leyna Soranlly "Muy buen curso y sobre todo bien preparado por el profesor. Propone retos en forma de ejercicios para que el alumno ejercite los conceptos en cada capitulo. Me compraré un par de cursos más de este profesor. Gracias." -- Juan Carlos --- Vivimos en un mundo dominado por los datos, es por ello que obtener estas habilidades le permitirá acceder a posiciones de alto valor añadido debido a la gran demanda de perfiles de Data Science. Portales como indeed estiman salarios anuales promedios de 122.800$ y estudios como MarketWatch apuntan a que en los próximos años habrá un aumento del negocio de Data Science de un 30% anual, por lo tanto es una excelente oportunidad para usted adquirir estos conocimientos. En este programa aprenderá por completo los fundamentos de Data Science o Ciencia de Datos, su base de probabilidad y estadística y cómo llevarlo a la práctica con Python, dominando los fundamentos de programación del lenguaje Python desde cero y sus potentes librerías como Numpy y Pandas enfocadas en el análisis de datos. Al finalizar el curso podrá ejecutar proyectos completos de Data Science siendo capaz de importar fuentes de datos heterogéneas, realizar la limpieza y transformación de datos y analizar la información para obtener conclusiones que provoquen alto impacto en su entorno. Este curso tendrá un enfoque eminentemente práctico, se explicará paso a paso y en detalle cada nueva funcionalidad, pero el objetivo es que sea capaz de aplicar los nuevos conocimientos ejecutando los múltiples casos prácticos reales propuestos para poner a prueba las destrezas adquiridas. A su vez, tendrá a su disposición un material extenso de consulta y todos los scripts de Python explicados durante esta especialización de tal manera que le sea muy sencillo reutilizarlos para su caso de uso concreto. Es el momento de que pase a la acción, prepárese para un futuro dominado por los datos adquiriendo una habilidad muy importante para poder destacar sobre el resto y conseguir sacar el máximo provecho de la información. Apúntese a la carrera profesional de mayor potencial del siglo XXI. *Este curso forma parte de una carrera en Data Science complementada con cursos adicionales. *No es necesario tener conocimiento previo en Python, aprenderá los fundamentos de programación dentro del curso.
Curso avanzado de Series Temporales con R y Python
Ya sea que queremos predecir la tendencia en los mercados financieros o el consumo de electricidad, el tiempo es un factor importante que debe considerarse en nuestros modelos. Por ejemplo, sería interesante pronosticar a qué hora del día habrá un consumo máximo de electricidad, como ajustar el precio o la producción de electricidad, o como consumidor, cuándo poner los electrodomésticos que más consumen para ahorrarnos dinero. Una serie temporal o serie de tiempo, es una sucesión de datos medidos en determinados momentos y ordenados cronológicamente. Los datos pueden estar espaciados a intervalos iguales (como la temperatura en un observatorio meteorológico en días sucesivos al mediodía) o desiguales (como el peso de una persona en sucesivas mediciones en el consultorio médico, la farmacia, etc.). En particular, en el análisis de series temporales, suelen surgir de forma natural preguntas muy concretas como por ejemplo • ¿Es estacionario? • ¿Hay una estacionalidad? • ¿La variable objetivo está autocorrelacionada? Para el análisis de las series temporales o series de tiempo, se usan métodos que ayudan a interpretarlas y que permiten extraer información representativa sobre las relaciones subyacentes entre los datos de la serie o de diversas series y que permiten en diferente medida y con distinta confianza extrapolar o interpolar los datos y así predecir el comportamiento de la serie en momentos no observados, sean en el futuro (extrapolación pronóstica), en el pasado (extrapolación retrógrada) o en momentos intermedios (interpolación). Todo lo que necesitas para poder llevar a cabo este tipo de análisis lo tienes explicado en este curso con dos lenguajes de programación, R y Python. En nuestro curso cubriremos desde el concepto de serie de tiempo, su modelización y creación tanto en R como en Python, y más de 10 técnicas diferentes sobre como analizarlas correctamente, entender las correlaciones entre las diferentes variables de nuestros datos y el tiempo y a hacer pronósticos a futuro sobre cual será el próximo precio de una acción, cuando terminará el confinamiento debido al COVID19 o cuando terminará la ola de calor en una determinada región. Además, tendrás todo el código fuente desde el minuto cero, plantillas de código para utilizar en tus propios análisis, acceso a una comunidad exclusiva de estudiantes, que como tu, buscan aprender acerca del análisis de series temporales, y más de 14 horas de video de alta calidad con todas las explicaciones necesarias para convertirte en el próximo Lobo de Wall Street. Nos vemos en clase y esperamos que disfrutes de nuestro curso avanzado de series temporales con R y Python.
Automatización de Pruebas Selenium WebDriver, Python Pytest
En este curso aprenderás a montar totalmente desde cero tu framework de pruebas automatizadas utilizando selenium webdriver, el lenguaje de programación python y el framework pytest. Python actualmente es uno de los lenguajes más utilizados a nivel mundial y el más demandado para automatización de pruebas en nuevos proyectos. La idea fundamental es que puedas dar ese paso inicial en el mundo de la automatización de pruebas con selenium webdriver y te sientas en la confianza de empezar a trabajar automatizando pruebas en tu empresa o de aplicar a nuevos puestos de trabajo que requieren automatización. El curso está dividido por secciones, donde se agrupa todo el contenido relacionado. Seccion 1 - Introducción: * Introducción al curso * Introducción a selenium webdriver * Conceptos básicos de prueba Sección 2 - Preparación del ambiente: * Instalación del IDE * Instalación de python * Instalación de librerias necesarias * Instalación de Selenium WebDriver Sección 3 - Mini curso de python: * Aquí aprenderás sobre variables, tipos de datos, operaciones, estructuras condicionales y repetitivas, funciones, listas y manejo de excepciones. Sección 4 - Creación de un framework de pruebas: * Herramientas necesarias * Configuración de las herramientas * Reportes de resultado de ejecución de pruebas * Integración con slack Sección 5 - Selectores web: * Introducción * Class Name * ID * Name * Xpath Sección 6 - Interacción con diferentes elementos web: * Textbox * Checkbox * Calendario * Combobox * Drag and Drop Sección 7 - Interacción con el navegador: * Navegación * Alertas * Cookies * Iframe * Manejo de ventanas * Screenshots Sección 8 - Introducción a Page Object Model
Curso de R y Python para Data Science y Análisis de Datos
Este curso es para aprender R y Python desde cero mientras programas. Es un curso completamente práctico en el que tendrás la base necesaria para dominar y realizar análisis más avanzados con ambos programas. Comenzaremos con la instalación de todo lo necesario para programar en nuestro ordenador y te enseñaremos también las herramientas de la nube que tienes disponible de forma gratuita para que ni siquiera tengas que instalar nada. Luego veremos los fundamentos principales de cada lenguaje, cómo se configura, cómo se trabaja, cómo se definen las cosas, cómo se crean funciones y códigos, etc. Posteriormente, veremos los diferentes paquetes y librerías más usadas (Pandas, Seaborn, ggplot2, etc.) de cada lenguaje, que podemos utilizar en nuestros análisis de datos. Y paso a paso veremos las diferentes formas de trabajar con los datos: cómo importarlos, cómo guardarlos, cómo descargar datos de internet y usarlos para analizarlos, cuáles son las principales partes del pre-procesado de datos, el análisis estadístico descriptivo, los diferentes gráficos que podemos crear en base a nuestros datos, y cómo podemos personalizar todas esas visualizaciones. Todo ello utlizando múltiples casos prácticos reales. Y a su vez, tendrás a tu disposición muchísimo material complementario gratuito así como todos los códigos y scripts tanto de R como de Python, para que todo ese conocimiento lo puedas transferir rápidamente a tu propio campo y tus propios análisis. Así que si tomas este curso estarás preparado para manejar R y Python con total soltura, y podrás comenzar a estudiar métodos un poco más avanzados del análisis de datos programados en R o Python. ¡Un saludo y espero que nos veamos en clase! Elisa
Máster Completo Python de cero a experto
El curso de Python más vendido de Udemy: el más completo, con más de 71 horas de contenido y las mejores valoraciones y reseñas de los estudiantes. En este curso aprenderás a programar con Python utilizando la Programación Orientada a Objetos POO, a crear interfaces gráficas con Tkinter y PySide, exportar datos a Excel, CSV y PDF con Pandas y ReportLab, desarrollar aplicaciones web con FastAPI, Django y Flask, manejar bases de datos con DB-API y SQLAlchemy, API RESTful, Websockets, Middleware, Microservicios, Kafka, Docker y mucho más. Además, trabajarás con PyCharm, uno de los entornos de desarrollo más potentes para Python y uso de herramientas AI como OpenAI ChatGPT y Google Gemini. No es solo teoría, aquí pondrás en práctica lo aprendido con ejemplos y proyectos reales que te prepararán para el mundo laboral. Este curso es ideal para principiantes que quieren aprender desde cero y para programadores que buscan perfeccionar sus habilidades y llevarlas al siguiente nivel. Si quieres aprender Python de manera práctica y convertirte en un desarrollador profesional, este curso es para ti, te llevaré paso a paso desde los fundamentos hasta el desarrollo de aplicaciones reales, tanto de escritorio como web y empresariales. ¿Por qué elegir este curso? Acceso ilimitado 24/7 a la plataforma de aprendizaje. Soporte directo de un instructor experto en Java. Certificación digital Udemy con validez internacional. Aplicación en proyectos reales, para mejorar tu perfil profesional. Material completamente en español, con explicaciones claras y prácticas. Inscríbete ahora y empieza a desarrollar aplicaciones con Python como un profesional.
Machine Learning con Python. Aprendizaje Automático Avanzado
Machine Learning con Python. Aprendizaje Automático Avanzado Aprendizaje Automático Scikit-Learn en Python. Modelos Predictivos. Data Science. De básico a Experto. Instructores: PhD. Manuel Castillo y Arquitecto Álvaro García. Requisitos: Se recomienda tener conocimientos de programación, preferiblemte Python. Descripción del Curso: El curso de “Machine Learning con Python” se centra en un subcampo específico de aprendizaje automático llamado modelado predictivo y clustering. Este es el campo del aprendizaje automático que es el más útil en la industria y el cual se utilizar la librería de aprendizaje automático scikit-learn en Python por su gran rendimiento y facilidad en su uso. A diferencia de las estadísticas, donde los modelos se usan para comprender los datos, el modelado predictivo se enfoca en el desarrollo de modelos que hacen las predicciones más precisas a expensas de explicar por qué se hacen las predicciones. A diferencia del campo más amplio del aprendizaje automático que podría utilizarse con datos en cualquier formato, el modelado predictivo y clustering se centra principalmente en datos tabulares, llamados técnicamente Tidy Data (por ejemplo, tablas de números como en una hoja de cálculo). El curso está dirigido a personas que tengan pocos conocimientos de machine learning, conocimientos intermedios del lenguaje de programación y que quieran adentrarse a este apasionante mundo de dentro del campo de modelado predictivo y clustering. Además, el curso está diseñado para que cualquier estudiante universitario, investigador o tecnólogo que se encuentre realizando o necesite realizar diferentes experimentos a través de grandes conjuntos de datos para poder sintetizarlos en alguna salida predictiva puedan utilizar los muy diferentes recursos de machine learning que nos pone a nuestra disposición el lenguaje de programación. Contenidos del Curso: MÓDULO I. Introducción. • Conceptos básicos de machine learning. • Jupyter Notebook como nuestro entorno de machine learning. • Curso rápido de Python. MÓDULO II. Análisis de datos • Cargar un conjunto de datos. • Estadística descriptiva. • Visualización de datos. • Taller: Trabajo de aplicación de diferentes técnicas analíticas de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida. • Examen tipo test sobre los contenidos del módulo. MODULO III. Preprocesamiento de datos • Análisis exploratorio de datos. • Preprocesamiento de datos. • Métodos de remuestreo para estimar la precisión del modelo. • Taller: Trabajo de aplicación de diferentes técnicas de análisis y procesamiento de datos de datos en un conjunto de datos seleccionado por el usuario e interpretar la salida obtenida. • Examen tipo test sobre los contenidos del módulo. MÓDULO IV. Fase de tratamiento de datos • Evaluación de las métricas. • Feature Selection. • Feature Importance. • Reducción de dimensiones en un dataset. • Taller: Aplicación de diferentes técnicas de tratamiento de datos en un conjunto de datos y verificación de su impacto en las métricas algorítmicas. • Examen tipo test sobre los contenidos del módulo. MÓDULO V. Fase de modelado • Algoritmos de Machine Learning. • Rendimiento de los algoritmos. • Algoritmos Ensamblados • Algoritmo "Super Lerner" • Taller: Aplicación de diferentes algoritmos de machine learning en un conjunto de datos e interpretar la salida obtenida, así mismo, verificar el algoritmo que tenga mejor comportamiento. • Examen tipo test sobre los contenidos del módulo. MÓDULO VI. Fase de optimización y forecasting • Pipelines. • Procesamiento de datos avanzado. • Configuración de hiperparámetros. • Guardado e integración del modelo. • Taller: Una vez seleccionados los algoritmos candidatos a modelo realizar una optimización de estos a través de la configuración de sus hiperparámetros. • Examen tipo test sobre los contenidos del módulo. MÓDULO VII. Proyectos de machine learning • Trabajar un proyecto de clasificación multiclase • Trabajar un proyecto de regresión. • Trabajar un proyecto de clasificación binaria. • Proyecto: Realizar un proyecto completo analizando todas las fases estudiadas en los diferentes módulos. MÓDULO VIII. Aprendizaje No Supervisado • Aprendizaje No supervisado. • Algoritmos de Aprendizaje No Supervisado. • Determinar el número óptimo de clústers. • Proyecto de Aprendizaje No Supervisado. Características del Curso: Recuerda que esta formación incluye lecciones en vídeo fullHD con audio de estudio (compatible con TV, PC, Mac, tablet y smartphone), artículos didácticos, actividades, proyectos paso a paso, recursos descargables, links de interés, acceso de por vida, certificado de finalización, tutorización online, y una exclusiva comunidad de aprendizaje privada que nos ayudamos aportando nuestras experiencias en el foro de comunicación del curso. Con esta formación disfrutarás aprendiendo desde dónde quieras, sin tener que desplazarte, sin horarios, con quién quieras, según tus necesidades y disponibilidad. Aprenderás con un instructor avalado por miles da alumnos satisfechos en todo el mundo (comentarios certificados). Conocerás las técnicas, métodos, trucos y flujos de trabajo de este sector creativo. El docente te transmitirá su sabiduría y conocimientos con pasión a la vez que las explicaciones concisas, claras, sencillas y con un enfoque profesional en cada clase. Podrás conseguir un certificado homologado personalizado y firmado por tu instructor en cada formación. De está forma podrás compartir tu título en tu portafolio, currículo, en redes sociales... Con la alta definición de los vídeos (vídeo fullHD y audio de estudio) conseguirá no te perder detalle. Podrás ver las clases las veces que requieras para recordar y perfeccionar tus habilidades como diseñador. Tendrás la posibilidad de preguntar, pedir opinión y ayuda al instructor, además de compartir tu experiencia de aprendizaje con los demás alumnos del curso, tan apasionados como tú, repartidos por todo el mundo. Seleccionamos cuidadosamente los contenidos y producimos cada curso para garantizar una experiencia de aprendizaje online integral y de la máxima calidad. ¿A qué esperas?, este curso es ideal para ti, atrévete a convertirte en un experto. Adelante, nos vemos dentro de la formación ;)
Inteligencia Artificial: Machine Learning con ESP32 y Python
Lleva la Inteligencia Artificial a un nuevo nivel implementando Machine Learning directamente en un ESP32, sin depender del computador para ejecutar modelos. En este curso aprenderás paso a paso a diseñar, entrenar y desplegar redes neuronales en microcontroladores usando Python para el entrenamiento y ESP32 para la implementación, aplicadas en proyectos prácticos reales. Módulo 1 – Preparación del entorno Instalaremos y configuraremos Python, Arduino IDE y las librerías necesarias, incluyendo TensorFlow, y aprenderás cómo programar la ESP32 desde Arduino IDE. Módulo 2 – Fundamentos y programación de redes neuronales Entenderás desde cero qué es una red neuronal: capas, pesos, bias y funciones de activación (Sigmoide, ReLU, Softmax). A la par, programaremos la arquitectura directamente en la ESP32 para su ejecución autónoma. Módulo 3 – Ejercicios de precisión en gimnasio Crearemos un sistema que determina si un ejercicio de precisión (flexión/extensión) se realiza correctamente, resolviendo un problema de clasificación binaria. Módulo 4 – Reconocimiento de gestos para control de robots Desarrollaremos un sistema capaz de identificar diferentes gestos y controlarlos mediante una red neuronal, resolviendo un problema de clasificación multiclase. Módulo 5 – Sensor inteligente de distancia 360° Crearemos un sistema que estima distancias positivas en cualquier dirección usando señal RSSI de Wi-Fi, ideal para identificar zonas seguras o restringidas, aplicando un problema de regresión. Durante el curso destacarás en: • Recolección de datos para entrenar modelos. • Exportación de arquitectura y pesos a ESP32. • Comprensión de fundamentos de redes neuronales desde cero. • Creación de proyectos prácticos reales de clasificación y regresión. Inscríbete hoy y lleva tus proyectos al siguiente nivel con inteligencia artificial embebida. NOTA: Desde la Sección 7 es contenido antiguo pero funcional (Disponible para estudiantes anteriores hasta DICIEMBRE DEL 2025)
Curso avanzado de estadística multivariante con R y Python
Bienvenido al Curso avanzado de estadística multivariante con R y Python, donde encontrarás todo lo que necesitas para analizar datos del mundo multivariante tanto en R como en Python, los dos lenguajes de programación más utilizados de todo el mundo para el análisis de datos, y dos habilidades super solicitadas por las empresas en las ofertas de trabajo de Linkedin. Además el curso viene con un REGALO DE BIENVENIDA que se trata de un Libro completo de más de 160 páginas de contenido sobre Estadística Multivariante!!! Y tendrás acceso a un grupo privado para dudas para que no te sientas solo. ¿Qué vamos a aprender? • Empezaremos con el análisis exploratorio para ser capaces de describir y visualizar los datos de las muestras que tenemos. La visualización es importante para entender los datos, así que poder producir gráficos 2D y 3D es sin duda un requisito para poder hacer un correcto análisis multivariante. • Luego vamos a ver toda la teoría detrás de las variables aleatorias multivariantes y sus distribuciones respectivas. • También veremos los métodos de inferencia multivariante para obtener conclusiones más generales respecto al proceso que ha generado los datos de que disponemos y poder contrastar hipótesis respecto a su estructura. • Los métodos de componentes principales (PCA) y análisis factorial para reducir la dimensión y ver patrones que antes no se veían debido a la gran cantidad de datos, muy utilizados en el campo del Big Data para poder analizar datos en nuestras propias máquinas. • El escalado multidimensional (MDS) para cuando los datos disponibles no corresponden a variables sino a similitudes o semejanzas entre ellos. • Los métodos de agrupaciones que son clustering y clasificación para investigar si los elementos de nuestra muestra forman un grupo homogéneo o no, y poder clasificar nuevos datos que vengan en un futuro en uno de dichos grupos. • Y finalizaremos con los métodos de regresión lineal múltiple y regularización, para crear modelos de regresión cuando tenemos más de una variable explicativa. Y todo esto con transparencias explicando toda la teoría, ejemplos y casos prácticos explicados al completo, todo el código fuente tanto en R como en Python y por supuesto ejercicios prácticos, cuestionarios, tareas, y material complementario para poder seguir el curso sin ningún problema y que al completarlo seas un experto del análisis de datos multivariante.
Ciencia de Datos y Analítica de Negocio con Python y ChatGPT
Lleve su análisis más allá de Excel y aprenda a resolver problemas reales de negocio con Python + IA Hoy, saber “analizar datos” ya no es solo hacer tablas o dashboards: es convertir datos en decisiones. En este curso usted aprenderá Python aplicado al Business Analytics con un enfoque profundo, práctico y estructurado, diseñado para que avance desde cero hasta temas avanzados, con casos reales en finanzas, marketing y operaciones. Soy Carlos Martínez (MBA INCAE, Ph.D. en Management – University of St. Gallen) e instructor en Udemy con múltiples cursos best-seller. Mi enfoque es simple: aprender haciendo. Aquí no se queda solo viendo videos: practica, se equivoca, corrige y consolida. ¿Qué logrará al finalizar? • Dominar Python para análisis de datos (limpieza, transformación, exploración y visualización). • Pensar como negocio, no solo como programador: traducir preguntas empresariales a análisis accionables. • Construir modelos de Machine Learning y entender cuándo conviene usarlos (y cuándo no). • Aplicar técnicas avanzadas como clustering (KMeans), PCA, árboles de decisión, Random Forest, Gradient Boosting y redes neuronales. • Usar ChatGPT como asistente para: generar código, interpretar resultados, seleccionar modelos y mejorar su productividad (de forma responsable y con criterio). Metodología del curso: práctica real (muchísima práctica) Este curso incluye: • 27 secciones, desde fundamentos hasta aplicaciones avanzadas. • 50+ ejercicios de codificación para reforzar cada concepto. • 60+ tareas con solución, donde usted ve una forma correcta de resolver problemas reales. Y lo más importante: los temas no se quedan en “lo técnico”, sino en su uso en el mundo empresarial. Casos y aplicaciones que verá en el curso Trabajaremos, entre otros, con escenarios como: • Optimización de portafolios y análisis cuantitativo en finanzas. • Predicción de compra y análisis de embudos en marketing. • Segmentación de clientes y estrategias basadas en datos. • Mejora de procesos y análisis en logística/operaciones. El objetivo es que usted termine con un criterio sólido para resolver problemas reales. IA dentro del curso (lo nuevo en Udemy) Además del uso práctico de ChatGPT dentro del curso, este programa también incorpora las nuevas experiencias con IA de la plataforma: • Role Plays (Roleplay con IA): escenarios interactivos para practicar decisiones y razonamiento en situaciones realistas. • Labs (Udemy Business Pro): si usted tiene acceso a Udemy Business Pro, podrá encontrar Labs para practicar con experiencias guiadas (según disponibilidad en su plan/cuenta). ¿Para quién es este curso? Este curso está pensado para: • Personas que vienen de Excel / Power BI y quieren subir de nivel con Python. • Profesionales que quieren aplicar analítica a finanzas, marketing u operaciones. • Quienes buscan un curso completo, con práctica intensa y casos aplicados. • También es útil para programadores que quieren aterrizar sus habilidades al contexto empresarial. No necesita experiencia previa programando. Vamos paso a paso. Lo que dicen los estudiantes (extractos) • “La expectativa de conocimiento es lo que andaba buscando… teoría y práctica deben ir de la mano.” — Edgar M. • “Muy completo y lo mejor es practicar mucho… donde la mayoría termina de entender por completo.” — Daniel D. • “Me gustó que tuviera ejemplos prácticos reales… después fui capaz de diseñar modelos ML para usos específicos.” — Juan S. • “Superó todas mis expectativas… contenido completísimo… orientado a resultados prácticos.” — John C. • “Va más allá de solo escribir código… ayuda a pensar como el negocio necesita.” — Andy V. Garantía y cierre Udemy ofrece garantía de devolución de 30 días, así que puede entrar con tranquilidad y ver si este enfoque es lo que usted busca. Si le interesa aprender Python con criterio de negocio, con práctica real y con apoyo de IA (ChatGPT + Role Plays + Labs), este curso está diseñado para usted. Nos vemos en la primera clase.
Modelos de Riesgo de Crédito y Credit Scoring con Python
Si usted quiere impulsar su carrera en finanzas aprendiendo a construir modelos de riesgo de credito con Python, este curso fue disenado para usted. Soy Carlos Martinez (MBA INCAE, Ph.D. en Management - University of St. Gallen). He presentado investigacion en universidades como MIT y otras instituciones internacionales, y desde 2020 me dedico a crear formacion practica y accesible en linea con un objetivo claro: ayudar a mas profesionales a desarrollar habilidades demandadas en el mercado laboral. Que hara usted en este curso Este curso lo lleva por el flujo completo de un proyecto profesional de riesgo de credito, con una base de datos real: • Preparacion de datos: limpieza, tratamiento de variables, ingenieria de features y armado del dataset para modelado. • Modelos y validacion: construccion, evaluacion y comparacion de modelos para score de credito, con enfoque en interpretacion y desempeno. • Criterio profesional: no solo ejecutar codigo, sino entender por que un modelo funciona, como se valida y como se usa en la gestion del riesgo. Varios estudiantes destacan justamente ese enfoque completo y aplicable: el curso es ordenado, claro, y con profundidad practica, desde la programacion hasta el modelado. Incluye introduccion a Python El curso incluye una introduccion a Python desde cero, por lo que no necesita experiencia previa programando. Solo se recomienda un conocimiento basico de estadistica y ganas de aprender. Practica: ejercicios y aprendizaje activo A lo largo del curso usted encontrara actividades para practicar y consolidar: • Ejercicios de codificacion (para aprender haciendo). • Material orientado a la aplicacion real en analisis de credito y gestion de riesgos. IA dentro del curso: Role Plays y Labs Este curso tambien aprovecha las experiencias con IA disponibles en la plataforma: • Role Plays: escenarios guiados para practicar decisiones y razonamiento aplicado. • Labs (Udemy Business Pro): si usted cuenta con Udemy Business Pro, podra acceder a Labs para practicar en un entorno guiado (segun disponibilidad en su cuenta/plan). Para quien es este curso • Profesionales de finanzas, riesgo, credito, auditoria o analitica que quieren aplicar Python a modelos de riesgo. • Estudiantes o recien graduados con interes en el area financiera y en modelos demandados en consultoria y banca. • Personas con bases en R u otras herramientas que quieren migrar a Python para analitica aplicada. Mira lo que dicen los estudiantes • "Soy actuario y me enfocado en riesgos de credito y este curso es una maravilla." - Carlos L. • "De los cursos mas completos que he encontrado, el profesor es muy ordenado y explica muy bien." - Miguel A. • "Se tomo el trabajo de meter clases intermedias de actualizacion para mejorar el contenido." - Rafael G. • "Excelente curso, exposicion clara de conceptos y ejemplos que permiten asimilar el contenido, altamente recomendado." - Juan P. • "Un curso magnifico: se aprende desde cero Python y se pone a la practica con BBDD reales." - Claudio A. Le invito a revisar el temario y las lecciones de vista previa. Si lo que busca es un curso completo, claro y aplicado para aprender riesgo de credito con Python, nos vemos en la primera clase.
Python Básico para quien NO sabe Python
Python para Quienes NO Saben Nada de Python Después de haber enseñado Python a cientos de miles de estudiantes con cursos como Python TOTAL, sentí que hacía falta algo diferente. • Algo más directo. • Más corto. • Más simple. • Más enfocado en quien realmente parte desde cero. Así nació: "Python para Quienes NO Saben Nada de Python" Un curso intensivo de 5 días para empezar desde absolutamente cero. ¿Por qué hacía falta este curso? Porque muchas personas quieren aprender a programar… pero sienten que: • “No soy técnico” • “No soy bueno con la computadora” • “Ya es tarde para empezar” • “Seguro es demasiado difícil para mí” Este curso está diseñado exactamente para esa persona. • No asume conocimientos previos. • No usa jerga innecesaria. • No te abruma con teoría. Te lleva paso a paso desde el día 1 hasta que ya estés programando por tu cuenta. ¿Qué encontrarás en este curso? • 5 días de aprendizaje intensivo y práctico • Cada día tiene una meta clara y concreta. • Ni teoría suelta, ni contenido disperso: Progreso real. Más de 60 ejercicios de código en la plataforma 3 ejercicios por cada concepto clave. Practicas inmediatamente lo que aprendes. 4 proyectos prácticos reales Vas a programar: • Un Conversor de Divisas • Un Analizador de Texto • Una Agenda Telefónica • Un Generador de Tablas de Multiplicar Instalación guiada y entorno profesional - Aprendes a instalar Python. - Aprendes a usar Jupyter Notebooks. - Aprendes a trabajar como se trabaja en el mundo real. ¿Qué temas cubre este curso? En solo 5 días dominarás los fundamentos esenciales de Python: • Instalación de Python • Jupyter Notebooks • Variables numéricas • Variables de texto • Tipos de datos • Operaciones matemáticas • Strings • Indexación y filtrado • Input del usuario • Listas • Tuplas • Diccionarios • Booleanos • Condicionales (if, elif, else) • Loops (for y while) • Función range() • Funciones • Funciones que llaman funciones • Introducción conceptual a Programación Orientada a Objetos Todo explicado con simplicidad, claridad y lógica progresiva. ¿A quién está dirigido este curso? A quien: • Nunca programó en su vida • Cree que “esto no es para mí” • Quiere empezar pero no sabe cómo • Necesita una estructura clara • Quiere resultados rápidos • Tiene miedo de frustrarse ¿Por qué puedo ayudarte? Mi nombre es Federico Garay. Soy instructor Best-Seller y Socio de Udemy. Mis cursos han ayudado a cientos de miles de personas a empezar a programar. Mi calificación promedio no baja de 4.7 estrellas. Pero más importante que eso: Amo enseñar. Amo simplificar lo complejo. Amo que las personas pierdan el miedo. Contesto todas las preguntas en menos de 24-48 horas. Si ya conoces cursos como Python TOTAL o Excel TOTAL, sabes que aquí no solo aprendes. Disfrutas el proceso. ¿Necesito saber algo antes de empezar? No. Ni lógica Ni matemática avanzada Ni experiencia previa. Solo necesitas una computadora y ganas de aprender. Este curso está diseñado para que nadie se quede afuera. ¿Qué pasa después de estos 5 días? Después de estos 5 días: • Entenderás cómo piensa Python • Podrás escribir tus propios programas • Tendrás una base sólida para avanzar hacia cualquier especialización • Ya no te sentirás “afuera del mundo tech” Y si luego quieres seguir hacia Data Science, Machine Learning o automatización… Tendrás los cimientos correctos. Garantía Puedes probar el curso sin riesgo. Tienes la garantía de Udemy de devolución del 100% durante 30 días. Pero sinceramente… Estoy seguro de que no la vas a necesitar. No le demos más vueltas. Si nunca programaste y quieres empezar bien, este es el curso que necesitas. Te espero en la lección #1. Fede
Trading Cuantitativo en Python: Ingeniería Financiera e IA
Curso de Trading Cuantitativo en Python: Ingeniería Financiera e Inteligencia Artificial ¡Bienvenido al curso más completo de Trading Cuantitativo! Este curso no solo te introducirá en el mundo del trading algorítmico, sino que te llevará más allá, combinando ingeniería financiera con inteligencia artificial para potenciar tus estrategias de inversión. A lo largo de todo este programa, explorarás cómo utilizar Python para desarrollar y implementar estrategias de trading cuantitativo de última generación. Desde los fundamentos hasta técnicas avanzadas, aprenderás a construir modelos predictivos y sistemas automatizados que optimicen tus decisiones de inversión. Lo que aprenderás: • Fundamentos de Trading Cuantitativo: Comprenderás los principios clave del trading cuantitativo y cómo aplicar modelos matemáticos y estadísticos para tomar decisiones informadas en los mercados financieros. • Integración de Inteligencia Artificial en Finanzas: Explorarás cómo utilizar técnicas de Machine Learning y Deep Learning para mejorar la precisión de tus predicciones y estrategias de trading. • Desarrollo de Estrategias Algorítmicas: Aprenderás a diseñar y optimizar algoritmos de trading basados en análisis técnico, análisis fundamental y datos alternativos, utilizando bibliotecas como NumPy, Pandas y PyTorch. • Backtesting y Optimización de Estrategias: Dominarás las técnicas de backtesting para validar y optimizar tus estrategias antes de implementarlas en entornos reales, asegurando su efectividad y robustez. • Automatización de Operaciones: Descubrirás cómo implementar y automatizar tus estrategias de trading utilizando APIs de brokers poderosos, eliminando errores humanos y mejorando la eficiencia operativa. • Gestión de Riesgos: Aprenderás prácticas avanzadas para gestionar riesgos financieros y cumplir con las regulaciones del mercado, garantizando operaciones seguras y éticas. • Desarrollo Avanzado de Estrategias: Utilizarás el Análisis Fundamental, Técnico y Cuantitativo para tomar decisiones que maximicen la utilidad de nuestra estrategia, mientras minimizamos el riesgo asociado con cada operación. Temario del Curso: • Introducción al Curso -> En esta sección inicial, se proporciona una visión general de la estructura del curso, los requisitos elementales, y las herramientas y recursos disponibles en Udemy. Además, se incluye una bienvenida del instructor y una serie de evaluaciones tempranas para medir el conocimiento previo. • Flujo de Trabajo -> Se detallan las principales etapas del flujo de trabajo en trading cuantitativo, incluyendo las herramientas y tecnologías necesarias y recomendaciones generales para una operativa eficiente. • Conceptos Clave: Inversiones -> Se cubren los fundamentos de los mercados financieros, los instrumentos de inversión, los distintos tipos de análisis y la psicología del trading. También se introducen conceptos avanzados como el trading algorítmico y cuantitativo, y se exploran diferentes estrategias de trading y tipos de órdenes. • Tómalo con Seriedad: Sé Diligente -> Enfatiza la importancia de la disciplina, la perseverancia y el compromiso en el trading, destacando la necesidad de desarrollar una mentalidad adecuada antes de implementar estrategias. • Preparando el Entorno de Desarrollo y Trabajo -> Guía sobre la instalación y uso de Python con Anaconda, la gestión de entornos virtuales y la instalación de librerías esenciales, proporcionando una base sólida para el desarrollo de estrategias de trading automatizadas. • Herencia de Clases -> Se explica la programación orientada a objetos en Python, con un enfoque en la herencia de clases y sus aplicaciones en el desarrollo de modelos de trading. • Cómputo Paralelo en Python -> Explora técnicas avanzadas de programación para mejorar la eficiencia computacional, incluyendo el manejo de hilos y procesos, y la sincronización de datos. • Broker FOREX y CFDs OANDA -> Introducción a la plataforma OANDA, incluyendo la conexión a la API, la obtención de datos históricos y en tiempo real, y la creación de posiciones de compra y venta. • Broker FOREX y CFDs FXCM -> Similar a la sección de OANDA, pero enfocada en FXCM, detallando la exploración de la plataforma y la gestión de cuentas, así como la implementación de estrategias de trading. • Broker Interactive Brokers: Lo que Todo Trader Necesita -> Se profundiza en Interactive Brokers, abarcando desde la conexión a la API hasta la obtención de datos y la ejecución de órdenes, proporcionando una visión completa de su uso. • Diversas Fuentes de Datos -> Se enseña cómo obtener información histórica y en tiempo real utilizando herramientas como Pandas Data Reader, Binance, y Yahoo Finance. • Métricas de Rendimiento -> Introduce indicadores clave de rendimiento como el CAGR, el coeficiente Sharpe y Sortino, y el Maximum Drawdown, incluyendo su implementación en código. • Optimización de Portafolios de Inversión -> Se enfoca en la gestión de riesgo y rendimiento en portafolios, cubriendo la optimización de portafolios a través de varias técnicas y la selección de instrumentos de inversión. • Análisis Técnico: Indicadores Técnicos Avanzados -> Proporciona una visión profunda de los indicadores técnicos avanzados y su implementación en código, cubriendo más de 100 indicadores diferentes. • Correcta Estructura de Estrategias: Creación + Backtest -> Detalla el proceso de backtesting y optimización de estrategias, desde la plantilla inicial hasta la visualización de resultados y la optimización. • Análisis de Sentimiento en Mercados Financieros -> Explica el análisis de sentimiento utilizando herramientas como VADER, la extracción de datos de noticias y su aplicación en estrategias de inversión. • Modelos No Supervisados De Machine Learning -> Introduce modelos no supervisados como el modelo de Márkov Oculto, explicando cómo detectar procesos observables y patrones ocultos en acciones. • Modelos Supervisados De Machine Learning -> Se enfoca en modelos supervisados como XGBoost, abordando problemas de regresión y la predicción de precios en acciones a través de implementaciones prácticas. • Redes Neuronales: Aprendizaje Profundo -> Cubre la estructura y construcción de redes neuronales para la predicción de precios y movimientos en activos financieros, aplicando diversas técnicas de aprendizaje profundo. • Análisis Fundamental: Value Investing -> Explora el análisis fundamental y la valoración de acciones, implementando estrategias como la fórmula mágica de Joel Greenblatt para mejorar la precisión y rentabilidad. • Sistema Completo de Inversión Optimizado, En Vivo y Operando -> Describe el desarrollo de un sistema completo de inversión, integrando análisis fundamental, técnico, cuantitativo y de sentimiento, junto con la gestión de cuentas de brokers y estrategias de trading de diferentes plazos. • Evoluciona: Desarrollador/Trader Quant -> Concluye el curso con una recapitulación y orientación sobre el crecimiento en los mercados financieros, desarrollo e inversión, incluyendo certificaciones financieras relevantes. • Diferentes Métodos Para Invertir -> Se detallan diversas estrategias de inversión, desde comprar y mantener hasta el trading algorítmico y cuantitativo, así como el uso de ETFs y derivados. • Recomendaciones de Inversión -> Proporciona plataformas y herramientas recomendadas para información, indicadores y estrategias de mercado, incluyendo escáneres de acciones y algoritmos complejos de inversión. • Impuestos en Inversiones -> Se aborda la responsabilidad fiscal en las inversiones, proporcionando recursos y presentaciones para entender las obligaciones fiscales. • Recomendaciones Libros -> Sugiere libros esenciales en análisis técnico, fundamental, cuantitativo y derivados financieros, proporcionando una base teórica sólida para el aprendizaje continuo. • Comunidad de Inversión -> Promueve la participación en comunidades de inversión, ofreciendo referencias y recursos para el aprendizaje colaborativo y la implementación de sistemas complejos. • Final del Curso -> Concluye con un agradecimiento y orientación sobre cómo continuar el crecimiento personal y profesional en el ámbito del trading, proporcionando recursos adicionales y recomendaciones. • Apéndice - Fundamentos de Python -> Cubre los fundamentos de Python, desde tipos de datos y estructuras de control hasta la gestión de excepciones y la creación de gráficos de visualización, sentando una base sólida para el desarrollo de estrategias cuantitativas.
Trading con Python y MetaTrader 5: Crea tu propio Framework
¿Te gustaría poder programar tus estrategias de trading en Python y ejecutarlas fácilmente en MetaTrader5? Nosotros también entendemos el valor de la libertad que Python ofrece. Por eso, hemos creado un curso único donde te enseñaremos a construir un Framework profesional, modular y robusto hecho 100% en Python que te permitirá operar a través de MetaTrader 5 y llevar tu trading algorítmico al siguiente nivel. Este curso no es simplemente técnico; es una oportunidad para crear una herramienta que se convertirá en el corazón de tu infraestructura de trading. Al finalizar, no solo poseerás un Framework profesional sino también el conocimiento necesario para modificarlo y personalizarlo según tus necesidades. Descubrirás cómo: • Configurar un entorno de desarrollo Python optimizado para el trading algorítmico, lo que te proporcionará un entorno aislado para el desarrollo de estrategias, garantizando así la compatibilidad y estabilidad fundamental para la iteración rápida y segura de estrategias de trading. • Conectar Python de forma segura a MetaTrader 5 y manipular datos de trading en tiempo real, que permitirá mantener una conexión y un flujo de datos estables, así como realizar comprobaciones de seguridad previas al trading para reducir el riesgo de errores y la mejora en la ejecución de operaciones. • Implementar una gestión de datos robusta y eficiente con Pandas en un sistema event-driven, mejorando la capacidad de análisis de datos mediante el uso de Pandas, el cálculo de indicadores o señales de trading y optimizando la respuesta a eventos del mercado en tiempo real para una toma de decisiones más ágil. • Generar señales de trading, gestionar riesgos y ejecutar órdenes de forma automatizada y modular, permitiéndote crear distintos bloques independientes e intercambiables para facilitar la investigación, actualización y mantenimiento de tus estrategias de trading. • Enviar notificaciones de tus estrategias a tu móvil mediante un bot de Telegram personalizado, ofreciéndote un sistema de notificaciones a tiempo real que te permitirá monitorizar la ejecución de las estrategias y estar informado en todo momento para reaccionar rápidamente ante cualquier eventualidad. Además, como beneficio adicional, te enseñaremos cómo desplegar tu Framework en la nube. Esto significa que, si deseas operar 24/7 de manera económica y eficiente sin depender de tu ordenador local, te guiaremos en cómo hacerlo usando AWS. La implementación en la nube es una opción disponible para cuando estés listo para escalar tu operativa, brindándote la flexibilidad necesaria para adaptarte a tus necesidades futuras. A lo largo de este curso, te guiaremos paso a paso en el proceso de configurar tu entorno de desarrollo, entender y conectarte a la API de MetaTrader 5, gestionar datos de mercado con Pandas en una arquitectura event-driven, crear los módulos que se ocupen de generar las señales de trading, darle un tamaño a las posiciones, gestionar el riesgo, ejecutar las órdenes e incluso enviar notificaciones a Telegram. Descubrirás cómo los principios de la programación orientada a objetos (OOP), los decoradores y las interfaces pueden ser aplicados para crear un sistema de trading que no solo es eficaz sino también completamente adaptable a cualquier estrategia de trading. La modularidad de este framework te permitirá diseñar y ejecutar tus estrategias como si fueran piezas de Lego, incrementando tu velocidad de desarrollo mientras reduces la probabilidad de errores en el código. Compartiremos las mejores prácticas para debugging, testing y optimización de código, asegurando que estés bien preparado para navegar el dinámico mundo del trading algorítmico. Al concluir este curso, operarás con confianza usando un Framework que has creado y personalizado tú mismo. Este conocimiento te dará una ventaja significativa en los mercados y abrirá nuevas puertas para tu desarrollo profesional y personal en el ámbito del trading algorítmico y la programación con Python. Si estás listo para dominar tu trading y construir algo genuinamente tuyo, este curso es tu primer paso hacia ese objetivo. Únete a nosotros y transforma tu trading hoy.
Master: Robot Framework con Python Test QA (En Español)
Es un framework de automatización de tests de desarrollo dirigido y de automatización de procesos robóticos, de código abierto. Está basado en Python, y nos permite testar aplicaciones distribuidas y muy diversas. El entorno que se ha creado está compuesto por múltiples librerías y herramientas ya construidas. 7 razones para usar Robot Framework en el testeo de aplicaciones. 1. Es Open Source, como decíamos, lo cual permite disfrutar de todas las ventajas de ese tipo de código. 2. Es muy sencillo de instalar, se puede hacer usando el administrador de paquetes estándar de Python, Pip. Puede instalarse desde la fuente, mediante una distribución JAR e incluso de forma manual. 3. Es independiente de la aplicación a testar y de la plataforma, lo cual hace que Robot Framework resulte muy atractivo. 4. Los usuarios no necesitan usar ningún lenguaje de programación para implementar tests y ejecutarlos. 5. Proporciona multitud de librerías para testear todo tipo de aplicaciones, como librerías de Android, librerías de bases de datos, etc 6. También proporciona una librería API para la creación de librerías de tests propias que pueden implementarse tanto en Java como en Python. 7. Incorpora una línea de comandos y ficheros de salida en formatos XML legibles, que luego se utilizarán para la construcción de ficheros de log en formato HTML y ficheros de informe, también en HTML, con una gran cantidad de información mostrada de una forma bastante sencilla, intuitiva y precisa. Está formado por cuatro módulos o capas bien diferenciadas que describiré a continuación, de forma ascendente en relación a su estructura: • Sistema bajo testeo: La parte más física de la pila de capas que tiene la arquitectura. En ella encontramos cada uno de los sistemas físicos, aplicaciones, entornos, etc., que vayan a ser testados, automatizados… • Capa de Tests, con sus herramientas y librerías. Esta capa se conecta con la inferior mediante las interfaces de sistema, y con la superior mediante una librería API de test. • Infraestructura de Robot Framework: se encuentra más arriba, en la pila. Esta parsea los datos de testeo e interactúa con la capa inferior. • Y por último, los datos de testeo.
Master:Playwright con Python, pruebas automatizada (Español)
Playwright permite pruebas confiables de extremo a extremo para aplicaciones web modernas. Playwright se creó específicamente para adaptarse a las necesidades de las pruebas de extremo a extremo. Playwright es compatible con todos los motores de renderizado modernos, incluidos Chromium, WebKit y Firefox. Realice pruebas en Windows, Linux y macOS, de forma local o en CI, sin interfaz o con emulación móvil nativa. Playwright recomienda usar el complemento oficial de Playwright Pytest para escribir pruebas de un extremo a otro. Proporciona aislamiento de contexto, ejecutándolo en múltiples configuraciones de navegador desde el primer momento. Alternativamente, puede usar la biblioteca para escribir manualmente la infraestructura de prueba con su corredor de prueba preferido. El complemento Pytest utiliza la versión de sincronización de Playwright, también hay una versión asíncrona accesible a través de la biblioteca. Cualquier navegador • Cualquier plataforma • Una API Navegador cruzado. Playwright es compatible con todos los motores de renderizado modernos, incluidos Chromium, WebKit y Firefox. Multiplataforma. Realice pruebas en Windows, Linux y macOS, localmente o en CI, sin interfaz o con interfaz. Idioma cruzado. Utilice la API de Playwright en TypeScript , JavaScript , Python , .NET , Java . Prueba web móvil. Emulación móvil nativa de Google Chrome para Android y Mobile Safari. El mismo motor de renderizado funciona en su escritorio y en la nube. Espera automática. En Playwright espera que los elementos sean procesables antes de realizar acciones. También tiene un rico conjunto de eventos de introspección. La combinación de los dos elimina la necesidad de tiempos de espera artificiales, la causa principal de las pruebas irregulares. Afirmaciones web primero. Las afirmaciones del Playwright se crean específicamente para la web dinámica. Las comprobaciones se vuelven a intentar automáticamente hasta que se cumplan las condiciones necesarias. Rastreo. Configure la estrategia de reintento de prueba, capture el seguimiento de ejecución, videos, capturas de pantalla para eliminar escamas. Múltiple todo. Pruebe escenarios que abarcan múltiples pestañas , múltiples orígenes y múltiples usuarios . Cree escenarios con diferentes contextos para diferentes usuarios y ejecútelos en su servidor, todo en una sola prueba. Eventos de confianza. Desplace elementos, interactúe con controles dinámicos, produzca eventos confiables. Playwright utiliza una tubería de entrada de navegador real indistinguible del usuario real. Marcos de prueba, perforar Shadow DOM. Los selectores de dramaturgos atraviesan el DOM de la sombra y permiten ingresar marcos sin problemas.
[ES] Desarrollo IA y Python: Megaclase con 300+ Proyectos
Sumérgete en el Bootcamp definitivo de Desarrollo en IA y Python, diseñado para principiantes y futuros ingenieros de inteligencia artificial. Este curso integral te lleva desde cero experiencia en programación hasta dominar Python, machine learning, deep learning y aplicaciones impulsadas por IA mediante 100 proyectos del mundo real. Ya sea que desees iniciar una carrera en IA, mejorar tus habilidades como desarrollador o crear herramientas de automatización de vanguardia, este curso te brinda experiencia práctica con implementaciones reales. Comenzarás aprendiendo Python desde cero, cubriendo desde la sintaxis básica hasta funciones avanzadas. A medida que avances, explorarás técnicas de ciencia de datos, visualización y preprocesamiento para preparar conjuntos de datos para modelos de IA. El curso presenta algoritmos de machine learning, enseñándote a construir modelos predictivos, analizar patrones y tomar decisiones con inteligencia artificial. Trabajarás con TensorFlow, PyTorch, OpenCV y Scikit-Learn para crear aplicaciones que procesen texto, imágenes y datos estructurados. A lo largo del curso, desarrollarás chatbots, sistemas de recomendación, analizadores de sentimientos y herramientas de automatización usando datos reales. Obtendrás conocimientos en procesamiento de lenguaje natural (PLN), visión por computadora y aprendizaje por refuerzo, dominando cómo se aplica la IA en distintas industrias. También aprenderás sobre ética en IA, optimización de modelos y estrategias de despliegue, asegurando que sepas escalar proyectos de IA de forma eficiente. Al finalizar el curso, contarás con 100 proyectos prácticos que demuestran tus habilidades en desarrollo de IA, automatización y aprendizaje automático. Ya sea que quieras lanzar una startup basada en IA, potenciar tu currículum con habilidades demandadas o automatizar procesos empresariales, este curso te ofrece todo lo necesario. Únete ahora y domina Python y el desarrollo de IA, desbloqueando infinitas oportunidades en la industria tecnológica.
Domina la Automatización Web con Python y Selenium
Este curso integral de "Python y Selenium: Automatización, PyTest, Interacción Web y Mejores Prácticas" está meticulosamente diseñado para llevarte de tener una base en programación a convertirte en un experto en la automatización de pruebas web. A través de una serie de módulos cuidadosamente estructurados, te sumergirás en el mundo de Python y Selenium, dos de las herramientas más poderosas y demandadas en el ámbito de Quality Assurance (QA) y automatización de pruebas. • Comenzaremos estableciendo una sólida base en Python, enfocándonos en los aspectos más relevantes para el testing, como la sintaxis básica, estructuras de datos, y el control de flujo. Con PyTest, profundizarás en la creación de tests estructurados, aprendiendo a utilizar fixtures para un setup y teardown eficiente, markers para categorizar tests, y técnicas de Data Driven Testing para maximizar la cobertura de tus pruebas. • La sección de Selenium transformará tu manera de interactuar con la web. Desde navegar por páginas hasta manipular y validar elementos web complejos, te equiparemos con habilidades prácticas para realizar tests robustos y confiables. Además, introduciremos el modelo Page Object para organizar tus scripts de manera eficiente, mejorando la mantenibilidad y legibilidad del código. • Enfocándonos en las mejores prácticas, te guiaremos a través de estrategias de cross-browser testing, asegurando que tus aplicaciones funcionen sin problemas en diferentes entornos. Con la integración de Allure para la generación de reportes, tendrás a tu disposición una poderosa herramienta para documentar y analizar los resultados de tus pruebas. Al concluir este curso, no solo dominarás las herramientas y técnicas esenciales para la automatización de pruebas web, sino que también habrás completado un proyecto final que consolida todo lo aprendido, preparándote para enfrentar los desafíos del mundo real con confianza y competencia.
Domina Python para Arduino, ESP32 y Raspberry Pi - 2025
¿Quieres dominar la programación en Python y su integración con tecnologías como Arduino, ESP32 y Raspberry Pi? Este curso te brinda un recorrido completo, desde conceptos básicos de electrónica y programación hasta aplicaciones avanzadas de visión artificial y machine learning. ¿Qué aprenderás? • Controlar microcontroladores como Arduino y ESP32, explorando entradas y salidas digitales, sensores analógicos y digitales, y manejo de potencia. • Programar en Python desde cero, cubriendo constantes, variables, operadores, estructuras de control de flujo y funciones. • Desarrollar proyectos avanzados como reconocimiento facial y clasificación de objetos mediante machine learning. • Trabajar con bases de datos SQLite para gestionar información en tus proyectos. • Implementar programación multi-hilo y multi-proceso para mejorar el rendimiento de tus aplicaciones. • Crear proyectos con visión artificial en Raspberry Pi, como detección de rostros y seguimiento de objetos. ¿Cómo está estructurado el curso? El curso está organizado en módulos prácticos que combinan teoría y ejercicios aplicados: • Arduino: Introducción a la electrónica básica y proyectos integradores. • Python: Fundamentos y desarrollo de un proyecto de reconocimiento facial. • SQLite: Almacenamiento y gestión de datos. • Programación avanzada: Multi-hilo y multi-proceso. • ESP32 con MicroPython: Manejo de sensores, control de potencia y comunicación mediante WiFi. • Visión artificial con Raspberry Pi: Aplicaciones prácticas de detección y clasificación. ¿A quién está dirigido? Este curso es ideal para: • Ingenieros, estudiantes y entusiastas de la tecnología que deseen integrar software y hardware en sus proyectos. • Personas interesadas en desarrollar sistemas de control, automatización y visión artificial. • Aquellos que quieran aprender Python aplicado a hardware y explorar aplicaciones de inteligencia artificial. ¿Por qué elegir este curso? Este curso combina lo mejor de tres mundos: Arduino, ESP32 y Raspberry Pi, con un enfoque en Python, ofreciendo un aprendizaje integral y actual para desarrollar soluciones tecnológicas innovadoras. ¡Inscríbete ahora y comienza a crear proyectos que marcarán la diferencia!
Academia Python - De Cero a Avanzado en Python
Si quieres convertirte en un profesional en Python o sencillamente eres un apasionado de este Mundo de la programación, estás en el lugar correcto. Hola y bienvenidos a esta increíble experiencia de la Universidad Python En Global Mentoring trabajamos siempre en ofrecerles los mejores y más claros contenidos, con el único objetivo que puedan alcanzar sus metas profesionales y sueños personales. Este curso surgió con la finalidad de que puedas dominar el lenguaje de Python desde cero, hasta crear proyectos complejos, sin importar si tu conocimiento de programación es poco o muy básico, ya que iremos paso a paso hasta convertirte en un experto en Python. Soy Ubaldo Acosta, Ingeniero en computación y me emociona ser tu instructor en este curso. Cuento con más de 20 años de experiencia laboral y más de 10 años enseñando en Udemy, además soy creador de los cursos más populares en Udemy, como son los cursos de Universidad Java, Universidad Web, entre muchos otros que son Best Seller y contamos con más de 500 mil alumnos inscritos a nuestros cursos. Veamos en que consiste tu curso de Academia Python: Comenzaremos desde los fundamentos de Python, posteriormente estudiaremos la Programación Orientada a Objetos, continuando con el tema de Conexión a Bases de Datos con Python utilizando la base de datos de Postgresql, y seguiremos profundizando en el lenguaje de Python, incluyendo tips y trucos de este fabuloso lenguaje. En los temas más avanzados veremos cómo crear aplicaciones de escritorio GUI con Tkinter y PySide QT, creando varias aplicaciones para poner en práctica todo lo visto. Por último, crearemos aplicaciones web utilizando los frameworks más populares de Python, como son Django y Flask, utilizando tecnologías complementarias como Jinja, SQL Alchemy, entre varias más. Python es uno de los lenguajes más utilizados por las empresas al día de hoy y las ofertas laborales son abundantes y bien remuneradas, así que ya sea para tu desarrollo personal o profesional, tu inversión está garantizada. Aprende Python ya mismo y disfruta mientras aprendes. Te veo del otro lado, tu amigo e instructor Ing. Ubaldo Acosta. Saludos Fundador de Global Mentoring com mx
Python: Fundamentos hasta los detalles
Bienvenidos al curso de Python: Fundamentos hasta los detalles. El objetivo principal de este curso es enseñarte Python empezando completamente desde cero, abordando desde las bases hasta un nivel intermedio y competitivo que te permitirá ingresar a cualquier área relacionada con Python que esté en demanda en el mercado laboral actual. Este curso te ayudará a entender el lenguaje y a incursionar en áreas como desarrollo web, machine learning, inteligencia artificial, scripting, scraping, entre otras. A continuación, se presenta un listado de algunos temas que se abordan en el curso: • Bases de Python • Variables • Tipos de datos • Strings • String Indexes • Inmutabilidad • Conversiones • Operadores matemáticos • Input • Condicionales • if, elif y else • Operadores lógicos • Operadores de comparación • Operadores de pertenencia • Short Circuiting • Listas • Diccionarios • Tuplas • Sets • Loops • For y while • Funciones • Programación Orientada a Objetos • Clases abstractas • Abstracción • Encapsulación • Polimorfismo • Herencia • Manejo de errores • Librerías, paquetes y módulos • Entornos virtuales • Manejo de archivos • Más... Al finalizar el curso, contarás con una base sólida de Python que te dará mayor seguridad para seguir explorando el lenguaje en profundidad y aplicarlo en distintas áreas del mundo del software. Aprender Python te abrirá un mundo de oportunidades, ya que muchas tecnologías de vanguardia se están desarrollando en torno a este lenguaje, ampliamente utilizado en el backend, ciencia de datos y proyectos de inteligencia artificial. Si deseas ser más competitivo en el mercado laboral, saber Python será esencial. En este curso, te mantendrás actualizado con los fundamentos y adquirirás una habilidad clave que te acercará aún más a tus objetivos profesionales.
Curso completo de Machine Learning: Data Science en Python
¿Te suenan términos como *Machine Learning* o *Data Scientist*? ¿Te has preguntado para qué se utilizan estas técnicas y por qué las empresas están dispuestas a pagar entre 120.000 y 200.000 dólares al año a un científico de datos? Este curso está diseñado para resolver todas tus dudas y brindarte una formación integral en Data Science. Juan Gabriel Gomila, un profesional reconocido en el campo del Data Science, te guiará a lo largo del curso, compartiendo su vasto conocimiento y ayudándote a desmitificar la teoría matemática detrás de los algoritmos de Machine Learning. Aprenderás a dominar las librerías de Python que son esenciales en esta área, convirtiéndote en un experto en la materia. A lo largo del curso, abordarás conceptos y algoritmos clave del Machine Learning, de manera progresiva y detallada. Cada sección te proporcionará nuevas habilidades que te permitirán comprender y aplicar los principios del Data Science, una disciplina no solo fascinante, sino también altamente lucrativa. Además, este curso mantiene el estilo característico y ameno de Juan Gabriel Gomila, lo que hará que disfrutes aprendiendo técnicas de Machine Learning con Python. El curso incluye ejercicios prácticos y datasets basados en ejemplos del mundo real, lo que te permitirá no solo aprender la teoría, sino también aplicarla en la creación de tus propios modelos de Machine Learning. Además, tendrás acceso a un repositorio en GitHub con todo el código fuente en Python, listo para descargar y usar en tus proyectos. ¡No esperes más! Únete a este curso y comienza a formarte en Machine Learning con el programa más completo y práctico del mercado en español.
FastAPI: Crea APIs eficientes con Python
FastAPI: Crea APIs eficientes con Python Bienvenidos al curso de FastAPI, este curso tiene como objetivo llevar tus conocimientos de Python al área de desarrollo de APIs, llevando tus conocimientos desde cero hasta un nivel competitivo en el mercado laboral. Este curso te llevará desde las bases de FastAPI hasta construir APIs listas para ser desplegadas utilizando únicamente el framework FastAPI. El curso cuenta con secciones introductorias al framework, mini aplicaciones para explicar conceptos, y secciones en las cuales vamos construyendo una API conforme aprendemos y aplicamos lo aprendido. También cuentas con una sección introductoria a Python para que puedas refrescar conceptos o, si te aventuraste a ir directo al framework, también puedas tomar los conocimientos más esenciales del lenguaje. FastAPI es uno de los frameworks más poderosos y usados para la construcción de APIs de forma rápida y eficiente. Con él puedes transformar una idea en una API lista para ser consumida por un servicio o un frontend en muy poco tiempo, porque la velocidad de desarrollar un CRUD y funciones personalizadas nos da una ventaja competitiva en el mercado. Lo mejor es que FastAPI te permite crear APIs reales y eficientes: desde un simple CRUD hasta un sistema de e-commerce o una red social completa. Es seguro, escalable y cuenta con una enorme comunidad que te respalda en cada paso, además de que esta en constante crecimiento. En pocas palabras: aprender FastAPI es una inversión en tu futuro como programador. Te dará las herramientas para crear proyectos profesionales, abrir más oportunidades laborales y diferenciarte en un mercado que cada vez demanda más desarrolladores con estas habilidades. ¿Qué aprenderás en el curso? Estos son algunos de los temas que veremos: • Introducción a FastAPI • Tipados y validaciones • Pydantic • Validación de parámetros y query params • Base de datos • SQLAlchemy • Arquitectura y modularización • Dependencias • Seguridad y JWT • Funciones asíncronas y síncronas • Middlewares • SQLModel • Migraciones con Alembic • PostgreSQL • Despliegue en render • Y muchas cosas más… Objetivo del curso El objetivo principal es que conozcas y aprendas FastAPI para que puedas construir APIs completas para MVPs y proyectos rápidos con un solo framework, aplicando estándares actuales del desarrollo profesional. Cada sección fue pensada para que conozcas una parte del framework con ejemplos prácticos. En algunas secciones aplicamos todos los conocimientos y los plasmamos en un proyecto MVP. También al final de cada sección puedes encontrar un cuestionario para reforzar los conocimientos teóricos. Resultados al finalizar Al finalizar el curso estarás preparado para: • Enfrentar proyectos reales con Python • Postular a empleos que usen FastAPI • Ser parte esencial de un equipo de desarrollo • O incluso lanzar tus propios proyectos. ¡Te espero en el curso y deseo mucho éxito en tu trayectoria profesional!
Credit Scoring de Basico a Avanzado con R y Python
El credit scoring es un sistema automático de calificación de créditos que permite a las entidades financieras determinar la probabilidad de pago de un préstamo Este sistema financiero se aplica para la cartera minorista: personas (créditos de consumo y créditos hipotecarios) y mypes (micro y pequeñas empresas); sin embargo, es importante mencionar que para la cartera no minorista (empresas medianas, grandes y corporativas), el sistema de calificación de créditos utilizado es el rating. El funcionamiento del credit scoring se basa en la estadística. Es decir, marcha a través de algoritmos que van variando según la data que procesan. Para ello, los bancos evalúan el comportamiento de su cartera de créditos para determinar las características o patrones comunes que se repiten con mayor frecuencia en los créditos impagos. En cuanto a la información que necesita el banco, esta puede ser dividida en dos bloques: aquella que no requiere documentación y que usualmente el banco ya la tiene, y aquella que si la necesita. En el primer grupo, se encuentra la siguiente información: • Datos personales del posible acreedor: edad, profesión, estado civil, domicilio, hijos, etc. • Vinculaciones financieras con los clientes: tarjetas contratadas, cuentas bancarias, etc. • Historial crediticio: revisión de préstamos anteriores ya cancelados por el cliente y aquellos que aún están vigentes. • Información de ficheros externos: lista de morosos (Infocorp). Adicionalmente, la entidad bancaria podría solicitar una serie de documentos que sustenten o complementen la información anterior. Por ejemplo: • Acreditación documental del correcto cumplimiento de los préstamos que el cliente tiene con otras entidades. • Ingresos de los intervinientes en la operación (boletas de pago). • Justificación de la finalidad del crédito: en préstamos a mypes (facturas, contratos de compra-venta u otros, etc.). • Documentación registral y tasación de bienes a hipotecar, de ser necesario. Esta data es procesada por un software que, tras analizar la información, arroja un número que representa la probabilidad teórica de que un cliente pague el préstamo en el tiempo previsto.
Máster en Procesamiento de Lenguaje Natural (NLP) con Python
Máster de Especialista en Procesamiento del Lenguaje Natural (NLP) con Python. Máster en Redes neuronales profundas para Procesamiento del Lenguaje Natural con Python y Keras. De 0 a experto. Instructor: PhD. Manuel Castillo. Requisitos previos: Antes de realizar el curso se recomienda encarecidamente tener conocimientos sobre Deep Learning. Se recomienda haber desarrallado previamente uno de estos dos cursos, también de Udemy: • Deep Learning con Python y Keras. Redes Neuronales avanzado. Aprendizaje profundo con la librería Keras-Python. Aprende a diseñar y desarrollar redes neuronales de básico a experto; o también • Máster de especialista en Ciencia de Datos con Python. Aprenda a desarrollar proyectos de Machine Learning y Deep Learning con Python. Data Science de básico a Experto Descripción del Curso: Bienvenido al curso de Máster de Especialista en Procesamiento del Lenguaje Natural (NLP) con Python y Keras. En este curso trataremos la librería Keras de Python para Deep Learning y cómo usarla para desarrollar y evaluar modelos de Deep Learning para Procesamiento del Lenguaje Natural. En este curso, descubriremos las técnicas, código y habilidades de Deep Learning que luego puede llevar a sus propios proyectos de Aprendizaje profundo para Procesamiento del Lenguaje Natural con Python y Keras. Si está interesado en Deep Learning, tenemos que comenzar por desarrollar y evaluar modelos de Deep Learning. Luego, si descubres que realmente le gusta o tienes una habilidad especial para ello, más adelante podrás profundizar más en los antecedentes y la teoría, según lo necesites para ayudarte a desarrollar mejores y más valiosos resultados. En este contexto, para este curso se ha escogido la mejor plataforma para comenzar y desarrollar muy rápidamente modelos de Deep Learning potentes a través de la librería Keras de Python. La librería Keras envuelve la complejidad de la computación numérica de Theano y TensorFlow proporcionando una API concisa que usaremos para desarrollar nuestra propia red neuronal y modelos Deep Learning. Además, trataremos las habilidades de Deep Learning para llevar esta nueva tecnología asombrosa a nuestros propios proyectos. El curso está dirigido a personas que tengan conocimientos de Deep Learning, conocimientos intermedios del lenguaje de programación y que quieran adentrarse a este apasionante mundo de dentro del campo de Deep Learning y redes neuronales. Contenidos del Curso: MÓDULO I. Introducción. • Anaconda como nuestro gestor de trabajo. • Jupyter Notebook o Google Colab como nuestro entorno de Deep Learning. • Curso rápido de Python. • Introducción a la librería Keras. MÓDULO II. Fundamentos de Deep Learning. • Neurona como unidad fundamental. • Como trabaja una neuronal. • Perceptrón multicapa. • Cómo opera el perceptrón multicapa. • Curso intensivo en perceptrones multicapa. • Nuestra primera red neuronal con Keras. • Modelos de Keras para Machine Learning general (Clasificación/Regresión). MÓDULO III. Redes Neuronales Recurrentes. • Redes Neuronales Recurrentes. • Redes LSTM. • Desarrollar un proyecto con RNN. • Desarrollar un proyecto con LSTM. • Proyecto de Generación de texto. MÓDULO IV. Procesamiento de texto. • Limpiar, preparar y codificar (encoded) el texto. • Procesamiento de datos en scikit-learn y Keras. • Representación del vocabulario en Bolsa de palabras (BoW). • Proyecto: Sentiment analysis en un modelo de BoW. MÓDULO V. Word embeddings. • Word Embeddings con Gensim. • Word Embeddings con Keras. • Proyecto: Word embeddings con un modelo CNN. • Proyecto: Word embeddings con un modelo CNN n-gramas. MÓDULO VI. Modelado del lenguaje. • Modelo del lenguaje neuronal basado en caracteres. • Modelo del lenguaje neuronal basado en palabras. • Modelo del lenguaje neuronal para generación de texto. • Proyecto con modelado del lenguaje. MÓDULO VII. Modelos de PLN avanzados. • Latent Dirilecht Allocation • Transformers. • HuggingFace para modelos preentrandos. • Extracción de keywords. • Reconocimiento de entidades. MÓDULO VIII. Proyectos avanzados. • Modelo para la traducción automática. • Análisis de programas electorales con NLP con modelos clásicos. • Análisis de programas electorales con NLP con modelos basados en transformers. • Proyectos avanzados con Transformers. Actividad virtual • Sesiones de videoconferencias • Análisis de casos • Foros de discusión • Trabajos parciales de los módulos • Examen tipo test • Lecturas comentadas y • Búsquedas de información científica. Procedimiento de la formación: La formación te permitirá convertirte en un experto en la materia, y todo ello desde una formación principalmente práctica. A través de variadas actividades y proyectos completos podrás adquirir los conocimientos suficientes para ejercer profesionalmente de forma solvente. Además conocerás en detalle mi flujo de trabajo a la hora de afrontar un proyecto profesional. Para la realización de este curso no vas a necesitar el equipo informático más potente del mercado, ya que el software empleado durante formación online se encuentra perfectamente optimizado y su uso es muy fluido en todo tipo de equipos, tanto en PC como en Mac. El aprendizaje será un proceso continuo donde los estudiantes tienen la oportunidad de ir trabajando con el editor de texto practicando lo expuesto en la parte de teoría. Puedes elegir ver todas las lecciones de forma secuencial (lineal) y aprovecharlas al máximo la formación. Pero también puedes decidir ver este curso como una guía de referencia. Las clases están claramente organizadas en secciones lógicas y puedes decidir visualizar solo las clases que te resulten más importantes según tus necesidades formativas. A excepción de las lecciones PRO, la mayoría de las lecciones son independientes para que puedas comprender los conceptos de cada lección sin tener que ver las lecciones anteriores del curso. Es excepcional el aumento en la demanda de profesionales en este ámbito por parte de las empresas de todo el mundo actualmente. Para desarrollar el programa formativo propuesto no ser requieren grandes conocimientos previos, ya que la formación se acomete desde un nivel de usuario 0. El curso está orientado a aquellos creativos que quieran ampliar sus skills (habilidades) y conocer múltiples trucos, consejos, recursos y recomendaciones, de la mano del instructor Dr. Manuel Castillo-Cara. Además todas las formaciones de Udemy disponen acceso automático al curso, sin limitación de tiempo, disponibilidad 24/7 (24 horas al día los 7 días de la semana), sin caducidad y con garantía de devolución. Características del Curso: Recuerda que esta formación incluye lecciones en vídeo fullHD con audio de estudio (compatible con TV, PC, Mac, tablet y smartphone), artículos didácticos, actividades, proyectos paso a paso, recursos descargables, links de interés, acceso de por vida, certificado de finalización, tutorización online, y una exclusiva comunidad de aprendizaje privada que nos ayudamos aportando nuestras experiencias en el foro de comunicación del curso. ¿A qué esperas?, este curso es ideal para ti, atrévete a convertirte en un experto. Adelante, nos vemos dentro de la formación.
Análisis Técnico en Python: Trading Algorítmico e Inversión
Análisis Técnico en Python: Trading Algorítmico e Inversiones ¡Bienvenido a tu viaje hacia el dominio del Análisis Técnico y el Trading Algorítmico! Este curso está diseñado para ofrecerte una comprensión integral del análisis técnico, fusionándolo con las potentes herramientas de programación en Python, permitiéndote implementar estrategias efectivas en los mercados financieros. A lo largo de este curso, aprenderás a utilizar Python como una herramienta esencial en el análisis de datos de mercado, abarcando desde la adquisición de información hasta la implementación de algoritmos de trading automatizados. Te guiaré a través de conceptos fundamentales y avanzados, garantizando que adquieras las habilidades necesarias para realizar análisis de mercado precisos y tomar decisiones informadas basadas en datos cuantitativos y métricas de rendimiento. Lo que aprenderás: • Fundamentos del Análisis Técnico: Comprenderás los principios y teorías detrás del análisis técnico, desde las líneas de tendencia hasta los patrones de velas, y aprenderás cómo interpretarlos para detectar oportunidades en los mercados financieros. • Desarrollo de Estrategias de Trading: Aprenderás a construir estrategias algorítmicas basadas en indicadores técnicos avanzados, y cómo combinarlos para mejorar la precisión de tus decisiones de trading. • Backtesting y Optimización de Estrategias: Descubrirás cómo validar tus estrategias utilizando backtesting y cómo optimizarlas para maximizar su rentabilidad y minimizar riesgos. • Análisis de Rendimiento de Estrategias: Implementarás métricas clave como para evaluar la efectividad de tus estrategias de inversión. • Automatización de Estrategias: Aprenderás a integrar tus estrategias de trading permitiendo la automatización completa de tus operaciones en los mercados. • Análisis Avanzado de Rendimientos: Explorarás técnicas para incrementar la precisión a la hora de invertir, reduciendo tu exposición al riesgo y maximizando el rendimiento en cada operación. • Uso de Python en el Trading Algorítmico: Adquirirás habilidades avanzadas de programación en Python, desde la instalación y configuración del entorno hasta la implementación de complejas estrategias de trading automatizado. Temario del Curso: 1. Introducción y Fundamentos del Curso: En esta sección, se presentan los objetivos del curso y su estructura general. Se revisan los requisitos esenciales para el aprendizaje y se proporciona una introducción personal del instructor. Además, se abordan las evaluaciones del curso, la navegación por la plataforma Udemy, preguntas frecuentes e información adicional pertinente. 2. Trading Algorítmico y Análisis Técnico: Se exploran los conceptos básicos y avanzados del trading algorítmico, incluyendo su definición y relevancia en el análisis técnico. Se comparan los enfoques de análisis técnico y fundamental, y se introduce la teoría de mercado eficiente. También se enseñan técnicas de implementación de estrategias, así como la importancia del backtesting y optimización para evaluar la efectividad de las mismas. 3. Fundamentos de Python: Herramientas de Trabajo: Esta sección cubre la instalación y configuración del entorno de trabajo en Python utilizando Anaconda. Se profundiza en las funcionalidades avanzadas de Anaconda y en la gestión de entornos virtuales. Además, se proporciona una guía para instalar las bibliotecas esenciales que se utilizarán a lo largo del curso, junto con recursos complementarios. 4. Metodología de Trabajo: Se presenta una descripción detallada del flujo de trabajo del curso, incluyendo cómo se abordarán los proyectos y ejercicios. Se ofrecen consejos y recomendaciones prácticas para facilitar el proceso de aprendizaje y maximizar la efectividad en la aplicación de los conceptos. 5. El ABC del Trading Algorítmico: Se introducen los fundamentos y conocimientos esenciales para el trading algorítmico. La sección incluye la obtención y manipulación de datos históricos, así como la comprensión de diferentes métricas de rendimiento, como el rendimiento simple, logarítmico y acumulado. También se enfatiza la importancia de la visualización de precios y rendimientos. 6. Indicadores de Tendencia: Esta sección se enfoca en los indicadores de tendencia utilizados en el análisis técnico. Se presentan conceptos teóricos y prácticos sobre diferentes tipos de medias móviles (SMA, EMA, WMA), así como otros indicadores como el DMI, MACD y Ichimoku. Se finaliza con una comparación y análisis crítico de los indicadores. 7. Indicadores de Momentum: Se introducen los indicadores de Momentum, que ayudan a identificar la fuerza de una tendencia. Se estudian indicadores específicos como el TSI, RSI y StochRSI, y se discute su aplicabilidad en diferentes escenarios de trading, así como un análisis comparativo de sus resultados. 8. Indicadores de Volumen: Se abordan los indicadores de volumen, fundamentales para evaluar la fuerza detrás de los movimientos de precios. La sección incluye el análisis de indicadores como el Oscilador de Volumen, el OBV y el MFI, y se discute su relevancia en la toma de decisiones de trading. 9. Indicadores de Volatilidad: En esta sección, se exploran los indicadores de volatilidad, que miden la variabilidad de los precios en el tiempo. Se cubren métricas como el ATR y las Bandas de Bollinger, junto con métodos para analizar la volatilidad histórica y su impacto en el riesgo. 10. Indicadores de Ciclos: Se analizan los ciclos en el comportamiento de los activos financieros. Se presentan indicadores como el DPO y el Oscilador KST, que ayudan a identificar patrones cíclicos en los movimientos de precios y a predecir futuros comportamientos del mercado. 11. Patrones de Velas Japonesas: Se introduce el análisis de patrones de velas japonesas, una herramienta esencial en el análisis técnico. Se estudian patrones básicos, de continuación y de reversión, junto con ejemplos de cómo combinarlos con otros indicadores para mejorar la toma de decisiones. 12. Indicadores Avanzados (Personalizados): Se exploran indicadores personalizados que pueden ser utilizados para mejorar las estrategias de trading. Se analizan indicadores como el Chop Zone y el Squeeze Momentum, así como su implementación y personalización en Python. 13. Estrategias de Trading Algorítmico: Se enseña a desarrollar y evaluar estrategias de trading algorítmico. La sección incluye plantillas para definir y calcular estrategias basadas en uno o más indicadores, así como métodos para realizar backtesting y optimización de parámetros. 14. Estrategias Avanzadas con Múltiples Indicadores: Se introducen escenarios más complejos en la creación de estrategias de trading utilizando múltiples indicadores. Se realiza un análisis exhaustivo de su rendimiento a través del backtesting y la optimización, incluyendo registros visuales de las señales generadas. 15. Automatización de Sistemas de Trading Algorítmico: Esta sección abarca el desarrollo y la implementación de sistemas de trading automatizados. Se discuten aspectos clave como la gestión de estrategias, la configuración del entorno y la ejecución completa automatizada de las operaciones. 16. Análisis Avanzado de Rendimientos (Mejorando la Precisión): Se presentan métodos avanzados para evaluar y analizar los rendimientos de las estrategias implementadas. Se analizan rendimientos mensuales y sectoriales, y se exploran técnicas de optimización para mejorar la precisión y efectividad de las estrategias. 17. Evoluciona: Desarrollador/Trader Cuantitativo: Se reflexiona sobre los logros alcanzados a lo largo del curso y se presenta una ruta de crecimiento profesional como desarrollador o trader cuantitativo, incluyendo recomendaciones para continuar el aprendizaje y desarrollo en este campo. 18. Final del Curso: Se concluye el curso con agradecimientos, recursos para el crecimiento continuo y una guía sobre cómo aprovechar las mejores ofertas para seguir formándose. Apéndice - Fundamentos de Python: Se abordan los conceptos básicos de Python necesarios para el curso, incluyendo tipos de datos, estructuras de control y técnicas de visualización. Esta sección proporciona una base sólida para los estudiantes que pueden ser nuevos en la programación en Python.
Curso avanzado de estadística bayesiana con Python
Bienvenido al Curso avanzado de estadística bayesiana con Python, donde aprenderás todo lo que necesitas para analizar datos, contrastar hipótesis, hacer comparaciones de grupos y mucho más, con los métodos de Estadística Bayesiana, y para ponerlo en práctica veremos ejemplos en Python, uno de los lenguajes de programación más utilizados para el análisis de datos, y una habilidad muy solicitada por las empresas en las ofertas de trabajo de LinkedIn. La Estadística Bayesiana es un área específica dentro del campo de la Estadística, y hoy en día es la pieza central de muchas aplicaciones en Ciencia de Datos (Data Science) y Aprendizaje Automático (Machine Learning). Sus métodos se caracterizan porque la "evidencia" sobre lo "verdadero" se expresa en términos del grado de creencia o, más específicamente, en términos de probabilidades bayesianas. Todo se deriva de la interpretación del concepto de probabilidad. En este curso, cubriremos los conceptos principales de la Estadística Bayesiana, desde cero y hasta un nivel más avanzado, para poder entender primero fundamentos como el Teorema de Bayes, las probabilidades y distribuciones condicionales, y demás. Y luego veremos los métodos más complejos como las Pruebas A/B dentro del área de la Inferencia Bayesiana, los métodos de muestreo como el muestreo por Rechazo o el algoritmo Metropolis-Hastings, y la relación del enfoque bayesiano con el Aprendizaje Automático (Machine Learning). El curso está diseñado en torno a ejemplos y ejercicios que brindan muchas oportunidades para desarrollar la intuición y aplicar los conocimientos adquiridos. Muchos ejemplos provienen de aplicaciones del mundo real en ciencia, marketing online, negocios, ingeniería o medicina, y tendrás disponible los códigos en Python para que los puedas adaptar a tus propios análisis en el futuro. Así que tanto si eres un estudiante o un ingeniero, que quiere ampliar sus conocimientos básicos de Estadística, como si te interesa el mundo del Machine Learning y el Análisis de datos y quieres tener una visión alternativa con los métodos bayesianos, este es el sitio ideal para ti. Vamos a cubrir todos los aspectos, y lo más importante tendrás mucho material práctico, tendrás todo el código fuente desde el minuto cero, plantillas de código en Python para utilizar en tus propios análisis en la práctica. Muchas horas de vídeo de alta calidad con todas las explicaciones necesarias. Además tendrás acceso a un grupo privado para dudas para que no te sientas solo, donde puedes preguntar tus dudas y colaborar con las de los demás estudiantes. Y por supuesto material complementario a las clases, ejercicios y tareas para que puedas practicar por tu cuenta y poder convertirte en un analista de datos top, con experiencia en estadística bayesiana. ¿Te apuntas? ¡Nos vemos en clase!
Investigación de Operaciones: Optimización con Python
Bienvenido(a) al curso Investigacion de Operaciones: Optimizacion con Python. Soy Carlos Martinez (Maestria en Finanzas, MBA INCAE, Ph.D. en Management - University of St. Gallen). He presentado investigacion en espacios academicos internacionales (MIT, Tel Aviv, Politecnico di Milano, entre otros) y he participado como coautor en numerosos casos de ensenanza utilizados en universidades de referencia. Este curso es una introduccion completa y aplicada a la optimizacion, enfocada en aprender a modelar y resolver problemas reales con Python y Pyomo, sin exigir un background matematico de postgrado. La prioridad aqui es que usted entienda los conceptos, los traduzca a un modelo y los pueda implementar en un entorno profesional. Que aprendera • Programacion lineal: como formular, interpretar y resolver modelos de optimizacion. • Python desde cero (incluido): variables, condicionales, funciones, iteraciones y bases de librerias clave como NumPy, Pandas y Matplotlib. • Pyomo paso a paso: como operacionalizar modelos en Python y conectarlos con datos. • Casos y temas centrales en IO: • Un caso completo con datos reales de industria (petróleo). • Problema de transporte (una de las aplicaciones mas importantes en programacion lineal). • Programacion no lineal y programacion entera mixta. • Programacion disyuntiva con un caso aplicado a programacion de mantenimientos. Metodologia: aprender haciendo A lo largo del curso usted encontrara: • Ejercicios de codificacion para practicar cada bloque. • Cuestionarios y actividades para reforzar fundamentos y criterio de modelado. • Casos desarrollados paso a paso, con enfoque practico y orientado a industria. IA dentro del curso: Role Plays y Labs Este curso tambien aprovecha las experiencias de IA disponibles en la plataforma: • Role Plays: practicas guiadas con escenarios para aplicar conceptos y tomar decisiones de modelado. • Labs (Udemy Business Pro): si usted cuenta con Udemy Business Pro, podra acceder a Labs para practicar en un entorno guiado (segun disponibilidad en su cuenta/plan). Para quien es este curso • Profesionales de ingenieria, operaciones, logistica o produccion que quieren llevar optimizacion a Python. • Personas que ya conocen Python y desean aprender una aplicacion altamente demandada: optimizacion con Pyomo. • Estudiantes que quieren una ruta introductoria sin prerrequisitos en Python ni en programacion lineal. Mira lo que dicen los estudiantes • "Excelente curso, excelentes casos practicos." - Jorge S. • "Las explicaciones son muy claras." - Ricardo O. • "Muy practico y claro, entiendo fundamentos y conceptos." - Santiago S. • "Orientado 100% a casos de empresa. Aplicable a produccion y logistica." - Bernardo M. • "Excelente introduccion a optimizacion y al uso de Pyomo; gran punto de partida." - Balam S. Le invito a revisar el temario y las lecciones de vista previa. Si lo que busca es una introduccion seria, clara y aplicable a la optimizacion con Python, este curso esta disenado para usted. Nos vemos en la primera clase.
Django: Crea aplicaciones web robustas con Python
Django: crea aplicaciones web robustas con Python Bienvenidos al curso de Django, este curso tiene como objetivo llevar tus conocimientos de Python al área de Aplicaciones Web, llevando tus conocimientos desde cero hasta un nivel competitivo en el mercado laboral. Este curso te llevará desde las bases de Django hasta construir aplicaciones listas para ser desplegadas utilizando únicamente el framework Django. El curso cuenta con secciones introductorias al framework, mini aplicaciones para explicar conceptos, y secciones en las cuales vamos construyendo un proyecto conforme aprendemos y aplicamos lo aprendido. También cuentas con una sección introductoria a Python para que puedas refrescar conceptos o, si te aventuraste a ir directo al framework, también puedas tomar los conocimientos más esenciales del lenguaje. Django es uno de los frameworks más poderosos y usados en el mundo del desarrollo web. Con él puedes transformar una idea en una aplicación lista para usar en muy poco tiempo, porque ya incluye lo esencial: manejo de usuarios, bases de datos, seguridad y hasta un panel de administración. Lo mejor es que Django te permite crear proyectos reales: desde un simple blog hasta un sistema de e-commerce o una red social completa. Es seguro, escalable y cuenta con una enorme comunidad que te respalda en cada paso. En pocas palabras: aprender Django es una inversión en tu futuro como programador. Te dará las herramientas para crear proyectos profesionales, abrir más oportunidades laborales y diferenciarte en un mercado que cada vez demanda más desarrolladores con estas habilidades. ¿Qué aprenderás en el curso? Estos son algunos de los temas que veremos: • Model View Template (MVT) • URLs • Views • Templates • Modelos y bases de datos • Relaciones entre modelos • Django ORM • Django Admin • Filtros, búsquedas y paginación • Signals • Class Based Views • Function Based Views • Middlewares • Autenticación y permisos de usuarios • Sessions • Autenticación y permisos de usuarios desde código • Subida de archivos • Content Types • Context Processors • Y muchas cosas más… Objetivo del curso El objetivo principal es que conozcas y aprendas Django para que puedas construir aplicaciones web completas para MVPs y proyectos rápidos con un solo framework, aplicando estándares actuales del desarrollo profesional. Cada sección fue pensada para que conozcas una parte del framework con ejemplos prácticos. En algunas secciones aplicamos todos los conocimientos y los plasmamos en un proyecto MVP: una plataforma de cursos en línea, partiendo desde cero hasta tener el MVP terminado. Resultados al finalizar Al finalizar el curso estarás preparado para: • Enfrentar proyectos reales con Python • Postular a empleos que usen Django • Ser parte esencial de un equipo de desarrollo • O incluso lanzar tus propios proyectos, como lo hicieron Instagram, Spotify o Pinterest ¡Te espero en el curso y deseo mucho éxito en tu trayectoria profesional!
Python y Excel para Finanzas con xlwings (Monte Carlo)
Automatice Excel con Python y lleve sus modelos, simulaciones y dashboards a otro nivel Si usted es un usuario intermedio o avanzado de Excel y le gustaría aprender Python para automatizar, potencializar y profesionalizar sus hojas de cálculo, este curso le puede agregar muchísimo valor. Soy Carlos Martínez (MBA INCAE, Ph.D. en Management – University of St. Gallen, Suiza). Desde 2020 decidí enfocarme en crear formación práctica y accesible en línea, con un objetivo claro: llevar contenido de nivel profesional a más personas, a un precio alcanzable. ¿Qué aprenderá en este curso? En este curso aprenderá a utilizar xlwings, una biblioteca que le permite integrar scripts y funciones de Python dentro de Excel, combinando lo mejor de ambos mundos: • La facilidad y adopción de Excel en el día a día • La potencia y versatilidad de Python para automatizar y escalar análisis Estructura del curso (clara y práctica) 1) Introducción a Python desde cero (para usuarios de Excel) Empezamos desde lo esencial, para que usted pueda avanzar con seguridad: • Variables, operadores, condicionales • Secuencias, funciones e iteraciones • Bases de librerías clave para análisis: NumPy, Pandas y Matplotlib 2) Fundamentos de xlwings: conectar Python <-> Excel Aquí sentamos la base para que usted pueda: • Leer y escribir datos entre Excel y Python • Crear scripts reutilizables • Construir funciones en Python que luego puede ejecutar desde Excel 3) Dos casos completos, desarrollados paso a paso (de principio a fin) Caso 1: Evaluación de proyectos con Simulación Monte Carlo Construiremos un modelo en Excel y un script en Python para simular escenarios y evaluar un proyecto de inversión. Caso 2: Dashboard automático para evaluar acciones (1 click) Automatizaremos un dashboard que se construye con solo presionar un botón, usando datos obtenidos desde la API de Yahoo Finance. IA dentro del curso: Role Plays y Labs Este curso también aprovecha las experiencias con IA de la plataforma: • Role Plays: prácticas guiadas con escenarios para aplicar lo aprendido en situaciones realistas. • Labs (Udemy Business Pro): si usted tiene Udemy Business Pro, podrá acceder a Labs para practicar en un entorno guiado (según disponibilidad en su cuenta/plan). ¿Para quién es este curso? Este curso es ideal para: • Profesionales que usan Excel intensivamente y quieren automatizar tareas repetitivas • Personas de finanzas/analítica que quieren subir de nivel sin abandonar Excel • Quienes sienten curiosidad por Python y quieren un punto de partida práctico y aplicable • Estudiantes que quieren integrar Python a su entorno laboral desde el primer día No se asumen conocimientos previos de Python. Mira lo que dicen los estudiantes • “La posibilidad de automatizar Excel con Python es un añadido muy valioso… los casos prácticos son claros en su secuencia.” — Balam L. • “¡Excelente contenido! Recomendado para complementar finanzas con programación y automatizar análisis e informes.” — Diego G. • “Excelente curso, me sirvió de mucha ayuda para mi trabajo.” — Daniel E. • “Puntual, directo al punto.” — Alberto N. • “Enfoque práctico con dos productos concretos… lo recomiendo.” — Roberto R.
MicroMaster en Finanzas Cuantitativas con Python y ChatGPT
En este curso usted aprendera a aplicar Python + IA (ChatGPT) a problemas reales de finanzas: desde optimizacion de portafolios hasta modelos predictivos para riesgo de credito y deteccion de fraude. La idea no es solo “correr codigo”, sino entender el concepto financiero, implementarlo en Python y poder adaptarlo a sus propios casos. Soy Carlos Martinez (Maestria en Finanzas, MBA INCAE, Ph.D. en Management - University of St. Gallen). He presentado investigacion en instituciones internacionales y soy coautor de multiples casos de ensenanza utilizados en universidades de referencia. Desde 2020 me dedico a crear formacion practica y accesible en linea, con un enfoque claro: contenido serio, explicado paso a paso y aplicable. Que incluye el MicroMaster (ruta completa) 1) Fundamentos de Python (desde cero) Empezamos desde lo esencial para que usted pueda avanzar sin friccion: instalacion del entorno (Anaconda), sintaxis, funciones y manejo de datos. El objetivo es que incluso si usted nunca ha programado, termine con una base real para trabajar con analisis financiero. 2) Optimizacion de portafolios (PyPortfolioOpt) con apoyo de ChatGPT Construimos portafolios optimos y entendemos el “por que” detras de la teoria de cartera. ChatGPT se usa como asistente para acelerar tareas de programacion y analisis, pero sin sustituir el criterio. 3) Valuacion de opciones con Python (Black-Scholes-Merton) Aplicamos el modelo de opciones con Python y entendemos como utilizar estos conceptos en contextos financieros reales (derivados, evaluacion de alternativas y criterios de decision). 4) Riesgo de credito con redes neuronales (TensorFlow) y guia de ChatGPT Aprendera a preparar datos, construir modelos predictivos y ajustar hiperparametros para estimar riesgo con un enfoque moderno, usando datos reales y una metodologia ordenada. 5) Deteccion de fraude con tarjetas (redes neuronales) Cerramos con un caso de alto impacto: deteccion de patrones de fraude en transacciones, usando modelos de Machine Learning / Deep Learning y buenas practicas de validacion. Practica real: ejercicios, Role Plays y Labs Este curso incluye: • Ejercicios de codificacion para practicar y consolidar lo aprendido. • Role Plays para aplicar razonamiento y toma de decisiones en escenarios guiados. • Labs (Udemy Business Pro): si usted cuenta con Udemy Business Pro, podra acceder a Labs para practicar en un entorno guiado (segun disponibilidad en su cuenta/plan). Para quien es este curso • Universitarios y profesionales que buscan especializarse en analisis financiero, banca o riesgo. • Personas que ya programan y quieren aplicar sus habilidades a finanzas. • Quien quiere pasar de Excel a un stack moderno con Python, datos y modelos. No necesita experiencia previa en Python. Solo se recomienda una base razonable en hojas de calculo y estadistica. Mira lo que dicen los estudiantes • “Mas alla de correr codigo, hay muy buenas explicaciones paso a paso sobre teoria de cartera.” - Julio S. • “Excelente eleccion... excelentes explicaciones a nivel financiero.” - Diana G. • “El contenido es digerible incluso sin buenas bases de programacion o finanzas... y el caso practico es sumamente valioso.” - Balam S. • “Curso increible... sirve para maximizar nuestros portafolios.” - Jose L. • “Buen estilo, narrativa fluida y practica. Lo recomiendo ampliamente.” - Mauricio F. Si usted busca un curso que combine finanzas modernas con Python y el apoyo de IA, este MicroMaster fue disenado para darle una ruta clara, completa y aplicable. Nos vemos en la primera clase.
Trading Algorítmico en Python con Interactive Brokers
Curso de Trading Algorítmico en Python con Interactive Brokers ¡Bienvenido al curso más completo que existe de la API de Interactive Brokers con Python! En este curso exploraremos en profundidad cómo utilizar la API de Interactive Brokers (IBKR) con Python para desarrollar estrategias de Trading Algorítmico y Cuantitativo. A lo largo del curso, aprenderás a integrar tus algoritmos con plataformas profesionales de trading y ejecutar operaciones en tiempo real, todo mediante el uso de Python y la potente API de IBKR. Lo que aprenderás: • Integración de la API de Interactive Brokers con Python: Aprenderás a conectar la API de IBKR con Python, configurando el entorno necesario para interactuar con la plataforma y ejecutar estrategias de trading de manera automatizada y en tiempo real. • Obtención de Datos Financieros en Tiempo Real y Históricos Descubrirás cómo acceder a datos financieros de diferentes activos, como acciones, bonos, futuros, opciones y divisas, tanto en tiempo real como históricos, para analizarlos y desarrollar tus estrategias de trading. • Desarrollo de Estrategias de Trading Algorítmico Aprenderás a desarrollar algoritmos de trading, desde estrategias simples hasta modelos complejos, que puedes automatizar para realizar operaciones basadas en señales de mercado. • Implementación de Análisis Técnico en Estrategias de Trading Conocerás cómo integrar indicadores técnicos populares, para mejorar la precisión de tus estrategias y tomar decisiones de trading basadas en datos históricos y señales de mercado. • Automatización de Trading en Tiempo Real Aprenderás a ejecutar operaciones en tiempo real de manera automatizada, gestionando las órdenes de compra/venta y las posiciones abiertas, asegurando una ejecución eficiente de las estrategias de trading. • Gestión de Riesgos y Control de Exposiciones Adquirirás conocimientos sobre cómo implementar técnicas de gestión de riesgos, estableciendo reglas de control de pérdidas y ganancias, así como técnicas avanzadas de control de exposición para proteger tus inversiones. • Creación de Sistemas Avanzados de Datos Aprenderás a diseñar y desarrollar sistemas avanzados para la recopilación, procesamiento y análisis de datos financieros en tiempo real, utilizando Python para gestionar grandes volúmenes de información de manera eficiente. Temario del Curso: 1. Bienvenida y Estructura del Curso -> Introducción al curso con detalles sobre expectativas, requisitos, recursos, evaluación y aspectos legales. Incluye videos y presentaciones para familiarizarte con la estructura y objetivos. 2. Interactive Brokers + Trading Algorítmico y Cuantitativo -> Exploración de la importancia de Interactive Brokers, cómo utilizar la API para trading algorítmico y cuantitativo, y cómo gestionar cuentas y terminales de trading en la plataforma. 3. Entorno y Herramientas de Trabajo -> Instrucciones sobre instalación de Python, Anaconda y librerías necesarias. También incluye la instalación de IBAPI, gestión de versiones y solución de errores comunes en el entorno de trabajo. 4. Conceptos Avanzados de Programación en Python -> Temas avanzados de programación en Python, como POO, herencia de clases y computación paralela. Incluye ejemplos prácticos para mejorar tu habilidad en la programación aplicada al trading. 5. Introducción a la API de Interactive Brokers -> Fundamentos de la API de Interactive Brokers, manejo de conexiones, errores y peticiones, y cómo obtener información sobre contratos e instrumentos financieros utilizando la API. 6. Datos Históricos de Mercado -> Cómo obtener, procesar y almacenar datos históricos de activos financieros. Se enseña a gestionar múltiples activos y mejorar la estructura de peticiones para datos históricos. 7. Manejo de Órdenes y Ejecución de Trades -> Introducción al manejo de órdenes en Interactive Brokers, incluyendo tipos de órdenes, cancelación, modificación y ejecución de trades en tiempo real. 8. Gestión de la Cuenta y Portafolio -> Gestión de la cuenta, posiciones, ganancias y pérdidas en el portafolio. Incluye cómo obtener resúmenes detallados y realizar seguimientos del estado financiero en la plataforma. 9. Datos de Mercado en Tiempo Real -> Cómo suscribirse y gestionar datos en tiempo real, incluyendo grandes volúmenes de datos y métodos para obtener información precisa en alta frecuencia, además del almacenamiento de estos datos. 10. Datos Fundamentales Históricos -> Obtención de datos fundamentales financieros a través de la API de IB, procesamiento adecuado y almacenamiento de información relevante para análisis en profundidad de activos. 11. Derivados: Opciones (Contratos, Órdenes y Datos) -> Exploración de contratos y órdenes de opciones, cálculos matemáticos, datos históricos y en tiempo real. Análisis de las “griegas” para opciones y su impacto en las decisiones de trading. 12. Derivados: Futuros (Contratos, Órdenes y Datos) -> Introducción a los futuros, contratos, órdenes y ejecución. Aprenderás a gestionar datos históricos y en tiempo real relacionados con futuros para la toma de decisiones de trading. 13. Escáner Avanzado de Instrumentos Financieros en el Mercado -> Desarrollo de escáneres para filtrar activos financieros según parámetros específicos. Implementación de escáneres en vivo y análisis avanzado de instrumentos en el mercado. 14. Ecosistema Complejo de Interacción de Datos con IB -> Creación de un sistema integrado para recolección, procesamiento y almacenamiento de datos de mercado. Manejo de grandes volúmenes de datos y gestión de órdenes y portafolio en tiempo real. 15. Implementación de Estrategia Usando Opciones + Escáner + Análisis Técnico -> Desarrollo y ejecución de estrategias de trading basadas en opciones, análisis técnico y escáneres de instrumentos. Integración de todo el ecosistema para generar señales de trading. 16. Siguiente Paso: Desarrollador/Trader Cuantitativo -> Reflexión sobre los logros en el curso y cómo avanzar como desarrollador o trader cuantitativo. Consejos para continuar el desarrollo profesional en el mundo del trading algorítmico. 17. Final del Curso -> Cierre del curso, agradecimientos y recursos para continuar el aprendizaje. Incluye sugerencias para la progresión en el trading algorítmico y cuantitativo después de finalizar el curso. Apéndice - Fundamentos de Python -> Revisión completa de los fundamentos de Python, incluyendo tipos de datos, estructuras, funciones, clases, y manejo de errores. Guía esencial para quienes necesitan reforzar sus conocimientos de programación.
Python. Estructuras de datos y algoritmos en Python
Bienvenido al curso de Estructuras de datos y Algoritmos en Python ! En este curso te explicaremos mediante ejemplos las estructuras de datos y algoritmos en Python. Dentro de las secciones incluimos 22 ejemplos con su solución para que puedas practicar mientras vayas aprendiendo. Además se incluyen 61 ejercicios de programación, para que puedas programar tus propias soluciones, que podrás probar para ver si funcionan o ver la solución del programa con su explicación. Este es el contenido detallado del curso: Estructuras de datos • Listas, tuplas, conjuntos y diccionarios • Colas y pilas • Listas simplemente enlazadas, listas doblemente enlazadas y listas circulares • Recursión • Árboles • Grafos Algoritmos de búsqueda • Búsqueda secuencial • Búsqueda secuencial ordenada • Búsqueda binaria • Búsqueda binaria recursiva Algoritmos de ordenación • Ordenación por el método de la burbuja • Ordenación por el método de selección • Ordenación por el método de inserción • Ordenación por el método shell • Ordenación por el método mezcla • Ordenación por el método rápido Ejercicios de programación • Operaciones con listas • Operaciones con tuplas • Operaciones con conjuntos • Operaciones con diccionarios • Procesar datos • Registro de estudiantes • Inventario de productos • Tareas de un proyecto • Coordenadas geográficas • Control de acceso • Operaciones con pilas • Operaciones con colas • Procesador de texto • Atención al cliente • Sistema de prioridades • Números únicos • Lista enlazada • Lista doblemente enlazada • Lista circular • Historial de navegación web • Juego de rol por turnos • Sumar elementos • Fibonacci • Red de transporte urbano • El Árbol de Habilidades del Héroe • Planificador de rutas aéreas • Red de distribución de agua • Red de servidores de un centro de datos • Elementos distintos • Conseguir la suma • Palíndromo • Precios de acciones en bolsa • Cadena válida • Búsqueda binaria • Lista invertida • Combinar listas enlazadas • Invertir árbol binario • Profundidad máxima de un árbol • Elemento más frecuente • Palabras en un texto • Anagrama • Ciclo en grafos dirigidos • Paréntesis balanceados • Cola de atención al cliente • Ordenar notas de estudiantes • Buscar libro con búsqueda binaria • Ordenar reservas de hotel por fecha • Optimizar rutas para entrega de paquetes • Gestión de transacciones bancarias • Gestión de inventario de un almacén • Sistema de archivos jerárquico • Combinaciones de caracteres de una palabra • Clasificación de productos • Cifrado de César • Rutas en la ciudad • Detector de intrusos • Ranking de canciones • Gestión de tareas • La rueda de la fortuna • Encuentra la salida del laberinto • Inventario mágico de un juego RPG Consigue estos conocimientos avanzados en Python que te vendrán muy bien para ser un gran programador Python Aquí te explicamos algunos conceptos sobre las estructuras de datos. Las estructuras de datos nos permiten organizar la información de diferentes formas que nos son útiles para resolver diferentes problemas. Por ejemplo, las listas enlazadas son una colección de nodos que colectivamente forman una secuencia lineal. Una estructura de datos en árbol son un conjunto de nodos que están organizados de forma jerárquica con una raíz, ramas y hojas. Un grafo es una colección de vértices que están unidos mediante aristas. La recursión es una técnica en la cual una función hace una o más llamadas a sí misma. Esperamos que este curso sea de gran utilidad. Un saludo y nos vemos en el curso. Equipo de Redait Media
Spec-Driven Development con Python usando GitHub Copilot
Aprende a construir software profesional en la era de la inteligencia artificial usando Spec-Driven Development, GitHub Copilot y Python. En este curso descubrirás una metodología moderna que está cambiando la forma en que los desarrolladores trabajan con IA. En lugar de depender de prompts improvisados o generación desordenada de código, aprenderás a construir aplicaciones reales usando specifications, planes técnicos, tareas implementables y arquitectura profesional. A lo largo del curso desarrollarás un proyecto fullstack real llamado Realtor utilizando tecnologías modernas como FastAPI, PostgreSQL, SQLAlchemy async, Supabase, HTMX y uv, mientras aprendes a dirigir GitHub Copilot como un verdadero asistente técnico profesional. No es un curso de teoría. Construiremos sistemas paso a paso aplicando prácticas modernas usadas en proyectos profesionales. Aprenderás: • Spec-Driven Development desde cero • GitHub Copilot de forma profesional • Arquitectura moderna con Python • FastAPI y PostgreSQL • SQLAlchemy async y Alembic • HTMX y Jinja2 • Vertical Slice Architecture • Gobernanza de proyectos asistidos por IA • Cómo usar IA sin perder control técnico Este curso está diseñado para desarrolladores que quieren prepararse para el futuro del desarrollo de software y aprender a trabajar con inteligencia artificial de manera profesional, organizada y escalable. Si quieres dejar atrás el “vibe coding” y aprender a construir software serio con IA, este curso es para ti.
Trading con Opciones en Python: Métodos Cuantitativos (+30h)
Trading con Opciones en Python: Métodos Cuantitativos ¡Bienvenido a un curso diseñado para llevarte de cero a experto en trading con opciones utilizando Métodos Cuantitativos y Python! Aquí combinarás fundamentos financieros con técnicas avanzadas de programación para dominar la valoración, simulación y gestión de opciones en mercados reales. A lo largo del curso, aprenderás a manejar las herramientas esenciales para analizar opciones, desde su definición básica hasta la aplicación de modelos matemáticos sofisticados como Black-Scholes-Merton, Árboles Binomiales y Simulaciones Monte Carlo. Además, te introducirás en el cálculo y análisis de las Griegas, para medir la sensibilidad de tus posiciones ante cambios en el mercado. Explorarás cómo obtener y procesar datos reales de opciones para realizar Análisis Cuantitativos rigurosos. Aprenderás a construir estrategias desde lo más simple —como Calls y Puts individuales— hasta spreads complejos, Iron Condors y la innovadora estrategia The Wheel, todo implementado con scripts en Python que podrás personalizar. Este curso también te enseña a gestionar portafolios de opciones, realizando ajustes y rollovers que minimicen riesgos y maximicen beneficios, apoyándote en métricas de riesgo cuantitativas. Descubrirás cómo analizar la volatilidad implícita y estructurar curvas y superficies de volatilidad para anticipar movimientos y tomar decisiones informadas. No importa si eres un inversor interesado en profesionalizar su trading, un programador que busca aplicar modelos financieros o un estudiante de ingeniería financiera: este curso te brindará los conocimientos y habilidades para construir sistemas de trading robustos y eficientes. Lo que aprenderás: • Fundamentos y conceptos clave del trading con opciones: tipos, moneyness, ciclo de vida y paridad put-call. • Instalación y configuración de Python y librerías esenciales para Trading Cuantitativo. • Implementación práctica de modelos matemáticos para valoración de opciones. • Cálculo y aplicación de las Griegas para gestionar la sensibilidad y riesgos. • Análisis y simulación de volatilidad histórica e implícita y su impacto en estrategias. • Construcción y evaluación de estrategias con opciones simples y combinadas. • Métodos para ajuste y rollover de posiciones para gestión activa de portafolio. • Automatización de análisis y estrategia mediante scripts en Python. • Selección de Brokers y plataformas recomendadas para operar opciones con eficiencia. • Desarrollo de una mentalidad cuantitativa para la toma de decisiones financieras. Temario del Curso: 1. Contenido e Introducción al Curso: Conocerás los objetivos del curso, los requisitos técnicos y herramientas necesarias. Además, te presentaré el contenido, estructura, evaluaciones y recomendaciones para aprovechar al máximo tu aprendizaje en esta plataforma. 2. Introducción al Trading de Opciones: Aprenderás los conceptos fundamentales de las opciones financieras, sus tipos, clasificación según valor intrínseco, factores que afectan precios, diferencias entre opciones europeas y americanas, ciclo de vida y la paridad put-call. 3. Descarga de Herramientas para el Curso: Te guiaré en la instalación y configuración de Python, entornos de trabajo y librerías esenciales para programación cuantitativa, además de descargar los códigos fuente para seguir los ejercicios prácticos del curso. 4. Estrategias Fundamentales con Opciones: Explorarás estrategias básicas con opciones individuales como calls y puts, aprenderás a extraer datos reales y a implementar tácticas para aprovechar tendencias alcistas, protección ante caídas y ventas en mercados bajistas. 5. Modelado Matemático de Opciones: Comprenderás los fundamentos matemáticos y estadísticos aplicados a finanzas, implementarás modelos como Black-Scholes-Merton y Árboles Binomiales, y realizarás Simulaciones Monte Carlo para valorar opciones de manera precisa y cuantitativa. 6. Superficie y Curvas de Volatilidad en Opciones: Estudiarás cómo calcular y aplicar la volatilidad histórica e implícita, analizarás sesgos y estructuras temporales, y aprenderás a construir superficies de volatilidad para mejorar la toma de decisiones en estrategias con opciones. 7. Griegas: Análisis de Sensibilidad: Aprenderás a calcular y entender las principales griegas (Delta, Gamma, Theta, Vega y Rho), que miden la sensibilidad de las opciones ante cambios en el mercado, permitiendo gestionar riesgos y optimizar tu portafolio. 8. Estrategias con Múltiples Opciones: Dominarás la construcción e implementación de estrategias complejas que combinan múltiples opciones, como Spreads, Straddles, Iron Condors y Ratio Spreads, para sacar ventaja de movimientos y volatilidad en el mercado. 9. Ajuste y Rollover de Posiciones en Opciones: Conocerás técnicas para ajustar y extender posiciones abiertas mediante rollovers, aprendiendo a manejar riesgos, maximizar beneficios y mantener una gestión activa y eficiente de tus inversiones en opciones. 10. Estrategias Avanzadas con Opciones: Descubrirás estrategias avanzadas como Calendar Spreads, operaciones durante eventos de earnings y la estrategia The Wheel, aprendiendo su implementación práctica en Python para optimizar el rendimiento en mercados reales. 11. Manejo de un Portafolio de Opciones: Aprenderás a gestionar un portafolio completo de opciones, incluyendo cálculo de métricas clave, análisis de liquidez, exposición de capital, ajustes y diseño de estrategias integradas para maximizar resultados y controlar riesgos. 12. Brokers Recomendados para Trading con Opciones: Explorarás los criterios para seleccionar Brokers confiables y plataformas especializadas, conociendo funcionalidades avanzadas y aspectos a evitar para operar con seguridad y eficiencia en mercados de opciones. 13. Conviértete en Trader Cuantitativo: Repasarás todos los conceptos clave aprendidos, comprenderás la gestión del riesgo y retorno esperado, y recibirás una ruta óptima para continuar tu formación como Trader Cuantitativo Profesional. 14. Final del Curso: Recibirás un agradecimiento por tu esfuerzo y acceso a recursos adicionales para seguir creciendo en tu formación financiera y de trading cuantitativo, motivándote a continuar aprendiendo y mejorando. Apéndice - Fundamentos de Python: Dominarás los fundamentos de Python necesarios para el curso, incluyendo tipos de datos, estructuras, funciones, clases, control de flujo, visualización y manejo de errores, asegurando un conocimiento sólido para aplicar en trading.