{"id":22126,"date":"2026-01-28T12:41:15","date_gmt":"2026-01-28T18:41:15","guid":{"rendered":"https:\/\/www.uv.mx\/edu-cont\/?p=22126"},"modified":"2026-03-25T12:25:44","modified_gmt":"2026-03-25T18:25:44","slug":"curso-python-machine-learning-aprendizaje-automatico-primeros-pasos-principiante","status":"publish","type":"post","link":"https:\/\/www.uv.mx\/edu-cont\/general\/curso-python-machine-learning-aprendizaje-automatico-primeros-pasos-principiante\/","title":{"rendered":"Curso Python + Machine Learning (Aprendizaje Autom\u00e1tico): Primeros Pasos (Principiante)"},"content":{"rendered":"

\"\"<\/p>\n\n\n\n\n\n
\"\"<\/td>\n\"\"<\/td>\n\"\"<\/td>\n\"\"<\/td>\n\"\"<\/td>\n<\/tr>\n
Duraci\u00f3n<\/strong><\/td>\nModalidad<\/strong><\/td>\nSede<\/strong><\/td>\nFecha<\/strong><\/td>\nHorario (s)<\/strong><\/td>\n<\/tr>\n
40 horas<\/td>\nEn l\u00ednea<\/td>\nZoom UV o Teams<\/td>\n27 de marzo al 09 de mayo de 2026<\/td>\nViernes: 27 de marzo; 10, 17, y 24 de abril; 1, 8 de mayo en horario de 17:00 hrs a 20:00 hrs. S\u00e1bados: 28 de marzo; 11, 18 y 25 de abril y 2 de mayo, en horario de 08:00 hrs a 12:00 hrs, excepto el 9 de mayo que ser\u00e1 de 09:00 hrs a 11:00 hrs.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
\n

\u00bb Informes e inscripciones:<\/strong><\/p>\n\n\n\n
\"\"<\/a>\u00a0 L.N. Grecia Yatzil Lagunes Galv\u00e1n<\/td>\n\"\"<\/a>\u00a0 coordest4@uv.mx<\/td>\n\"\"<\/a>\u00a0 2288421700 ext. 11531<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
\n

Objetivo:<\/span><\/strong><\/p>\n

Desarrollar en los estudiantes las habilidades b\u00e1sicas para programar en Python y aplicar conceptos iniciales de Machine Learning, permitiendo el an\u00e1lisis de datos y la construcci\u00f3n de modelos sencillos, fomentando la comprensi\u00f3n de algoritmos y t\u00e9cnicas de predicci\u00f3n de manera pr\u00e1ctica y accesible.<\/p>\n

\n
\n

Dirigido a<\/h2>\n
\n\n

Desarrolladores con conocimientos b\u00e1sicos de programaci\u00f3n que deseen iniciarse en Python y en los fundamentos del Machine Learning. Est\u00e1 especialmente pensado para quienes buscan introducirse en el an\u00e1lisis de datos y en el desarrollo de modelos predictivos, sin necesidad de contar con experiencia previa en inteligencia artificial.<\/p>\n\n<\/div>

Conoce los temas<\/h2>\n
\n\n

M\u00f3dulo 1. Fundamentos de Inteligencia Artificial y Machine Learning <\/strong>
\n1.1. Conceptos clave: IA, Machine Learning y Deep Learning.
\n1.2. Tipos de aprendizaje: supervisado, no supervisado y por refuerzo.
\n1.3. Aplicaciones en el entorno acad\u00e9mico y laboral.<\/p>\n

M\u00f3dulo 2. Fundamentos de Python <\/strong>
\n2.1. Variables y tipos de datos.
\n2.2. Entrada y salida de informaci\u00f3n.
\n2.3. Sintaxis b\u00e1sica y convenciones de programaci\u00f3n.<\/p>\n

M\u00f3dulo 3. Estructuras de control, colecciones de datos, funciones y modularidad en Python <\/strong>
\n3.1. Condicionales y ciclos.
\n3.2. Listas, diccionarios, tuplas y conjuntos.
\n3.3. Definici\u00f3n y uso de funciones.
\n3.4. Creaci\u00f3n y uso de m\u00f3dulos.<\/p>\n

M\u00f3dulo 4. Fundamentos de Python para Machine Learning <\/strong>
\n4.1. Introducci\u00f3n a librer\u00edas cient\u00edficas: NumPy y Pandas.
\n4.2. Lectura, exploraci\u00f3n y manipulaci\u00f3n de datasets.
\n4.3. Buenas pr\u00e1cticas y entornos virtuales.<\/p>\n

M\u00f3dulo 5. Preprocesamiento y visualizaci\u00f3n de datos <\/strong>
\n5.1. Limpieza y normalizaci\u00f3n de datos.
\n5.2. Manejo de valores faltantes y categ\u00f3ricos.
\n5.3. Visualizaci\u00f3n con Matplotlib y Seaborn.<\/p>\n

M\u00f3dulo 6. Modelos de regresi\u00f3n <\/strong>
\n6.1. Introducci\u00f3n a la regresi\u00f3n lineal simple y m\u00faltiple.
\n6.2. Implementaci\u00f3n en scikit-learn.<\/p>\n

M\u00f3dulo 7. Modelos de clasificaci\u00f3n <\/strong>
\n7.1. Conceptos de clasificaci\u00f3n supervisada.
\n7.2. Algoritmos: k-NN, \u00c1rboles de decisi\u00f3n y Regresi\u00f3n log\u00edstica.
\n7.3. M\u00e9tricas: accuracy, precision, recall, matriz de confusi\u00f3n.<\/p>\n

M\u00f3dulo 8. Modelos no supervisados y clustering b\u00e1sico <\/strong>
\n8.1. Introducci\u00f3n al aprendizaje no supervisado.
\n8.2. Algoritmos de clustering: k-Means.
\n8.3. Visualizaci\u00f3n e interpretaci\u00f3n de resultados.<\/p>\n

M\u00f3dulo 9. Proyecto integrador <\/strong>
\n9.1. Selecci\u00f3n de un dataset.
\n9.2. Construcci\u00f3n de un modelo sencillo (regresi\u00f3n, clasificaci\u00f3n o clustering).
\n9.3. An\u00e1lisis de resultados.<\/p>\n\n<\/div>

Instructora<\/h2>\n
\n\n\n\n\n
\"\"<\/a><\/td>\n\n

MSC. Reyna Nohemy Soriano Machorro<\/strong><\/p>\n

Maestr\u00eda en Sistemas Computacionales por el Instituto Tecnol\u00f3gico de Orizaba.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n\n<\/div>

Costo<\/h2>\n
\n\n\n\n\n
\"\"<\/a>
\n$ 3, 500. 00
\n<\/strong>El costo incluye pago de constancia e inscripci\u00f3n.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div><\/div>\n\n\n\n
\"\"<\/a>Al concluir el taller obtendr\u00e1s una constancia con valor curricular digitalizada expedida por el Departamento de Educaci\u00f3n Continua.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Duraci\u00f3n Modalidad Sede Fecha Horario (s) 40 horas En l\u00ednea Zoom UV o Teams 27 de marzo al 09 de mayo de 2026 Viernes: 27 de marzo; 10, 17, y 24 de abril; 1, 8 de mayo en horario de 17:00 hrs a 20:00 hrs. S\u00e1bados: 28 de marzo; 11, 18 y 25 de abril […]<\/p>\n","protected":false},"author":2421,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"ventana_nueva":"","tipo_url":"","url":"","extracto":"","imagen_halign":"","imagen_valign":"","bg_size":"","text_hide":"","media_url":"","tipo_media":"","video_url":"","video_pos":"","video_youtube":"","footnotes":""},"categories":[1],"tags":[],"class_list":["post-22126","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/posts\/22126","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/users\/2421"}],"replies":[{"embeddable":true,"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/comments?post=22126"}],"version-history":[{"count":1,"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/posts\/22126\/revisions"}],"predecessor-version":[{"id":22539,"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/posts\/22126\/revisions\/22539"}],"wp:attachment":[{"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/media?parent=22126"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/categories?post=22126"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.uv.mx\/edu-cont\/wp-json\/wp\/v2\/tags?post=22126"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}