Calendario Académico

Rutas de aprendizaje + Coursera – Ingenieria y Ciencias Básicas

INTERNET DE LAS COSAS Y PROGRAMACIÓN


Resultado de aprendizaje:

Diseñar sistemas de Internet de las cosas (IoT) utilizando placas y sensores de IoT, aplicando lenguajes de programación de básicos y avanzados.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 75,2.

Introduction and Programming with IoT Boards

Horas del Curso: 15,2.

Conocimientos previos: No aplica – Nivel del curso: BASICO.

RF and millimeter-Wave Circuit Design

Horas del Curso: 15.

Conocimientos previos: No aplica – Nivel del curso: BASICO.

Microwave engineering and antennas

Horas del Curso: 15.

Conocimientos previos: No aplica – Nivel del curso: BASICO.

Introduction to Computer Vision with TensorFlow

Horas del Curso: 15.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.

Introduction to Image Processing

Horas del Curso: 15.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.

COMPUTACIÓN EN LA NUBE Y CIBERSEGURIDAD


Resultado de aprendizaje:

Aplicar principios y herramientas de ciberseguridad para proteger sistemas informáticos y datos de posibles amenazas y vulnerabilidades.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 61.

Introduction to Cybersecurity Tools & Cyber Attacks

Horas del Curso: 16.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Introduction to cloud computing

Horas del Curso: 12.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Network Security & Database Vulnerabilities

Horas del Curso: 14.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

In the trenches: Security Operations Center

Horas del Curso: 11.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Data Privacy Fundamentals

Horas del Curso: 8.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

PROGRAMACIÓN Y MACHINE LEARNING – 2


Resultado de aprendizaje:

Adquirir habilidades y conocimientos de programación en Python, incluyendo el desarrollo de aplicaciones y programas básicos, y la implementación de técnicas avanzadas de análisis de datos y machine learning para la toma de decisiones y la creación de soluciones predictivas.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 196.

Aprendiendo a aprender para jóvenes

Horas del Curso: 3.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Introducción a la programación con Python

Horas del Curso: 4.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Python Basics

Horas del Curso: 35.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Python 3 Programming

Horas del Curso: 118.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Programa especializado: Python Data Products for Predictive Analytics

Horas del Curso: 36.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.

PROGRAMACIÓN Y MACHINE LEARNING – 3


Resultado de aprendizaje:

Adquirir habilidades y conocimientos avanzados en ciencia de datos, administración de tecnologías de la información, tecnologías emergentes y enseñanza de la tecnología en el aula; aplicar estos conocimientos y habilidades en diferentes contextos empresariales y profesionales, especialmente en el análisis y procesamiento de datos, la implementación de soluciones empresariales y el diseño de currículos educativos efectivos.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 5

Power BI for Beginners Introduction to DAX Language

Horas del Curso: 1.

Conocimientos previos:No aplica – Nivel del curso: BEGINNER.

Data Analytics en Power BI

Horas del Curso: 2.

Conocimientos previos:No aplica – Nivel del curso: INTERMEDIATE.

Inteligencia Artificial en Power BI

Horas del Curso: 2.

Conocimientos previos:No aplica – Nivel del curso: INTERMEDIATE.

MATEMÁTICAS Y PENSAMIENTO CRÍTICO


Resultado de aprendizaje:

Adquirir habilidades avanzadas en el uso de simulaciones PhET, en las matemáticas financieras, la lógica formal, la enseñanza de las matemáticas en aulas heterogéneas y el pensamiento crítico, lo que le permitirá aplicar estos conocimientos y habilidades en diferentes contextos educativos y profesionales.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 71.

Data Science Math Skills

Horas del Curso: 13.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Estadística aplicada a los negocios

Horas del Curso: 19.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Introduction to Data Analytics for accounting professionals

Horas del Curso: 10.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Computer Vision Basics

Horas del Curso: 12.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Story and Narrative Development for Video Games

Horas del Curso: 17.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

STEAM PARA PRINCIPIANTES


Resultado de aprendizaje:

Adquirir habilidades avanzadas en matemáticas aplicadas a la ciencia de datos, estadística aplicada a los negocios, análisis de datos, visión por computadora y teoría de juegos, y aplicar conocimientos y habilidades en diferentes contextos empresariales y profesionales relacionados con la ciencia de datos.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 69.

Introducción a las simulaciones PhETpara la educación STEM

Horas del Curso: 12.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Matemáticas financieras

Horas del Curso: 12.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Jugar y Aprender Matematicas en aulas heterogéneas

Horas del Curso: 28.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Think Again IV: How to Avoid Fallacies

Horas del Curso: 17.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

PROGRAMACIÓN Y DATA SCIENCE – 1


Resultado de aprendizaje:

Adquirir habilidades y conocimientos avanzados en ciencia de datos, administración de tecnologías de la información, tecnologías emergentes y enseñanza de la tecnología en el aula; aplicar estos conocimientos y habilidades en diferentes contextos empresariales y profesionales, especialmente en el análisis y procesamiento de datos, la implementación de soluciones empresariales y el diseño de currículos educativos efectivos.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 135

Data Privacy Fundamentals


Horas del Curso: 8.

Conocimientos previos:No aplica – Nivel del curso: INTERMEDIATE.

Linux and Bash for Data Engineering


Horas del Curso: 22.

Conocimientos previos:No aplica – Nivel del curso: ADVANCED.

Administración de las Tecnologías de la Información


Horas del Curso: 11.

Conocimientos previos:No aplica – Nivel del curso: INTERMEDIATE.

Programa especializado: Emerging Technologies: From Smartphones to IoT to Big Data


Horas del Curso: 29.

Conocimientos previos:No aplica – Nivel del curso: INTERMEDIATE.

Teaching Impacts of Technology: Relationships


Horas del Curso: 10.

Conocimientos previos:No aplica – Nivel del curso: INTERMEDIATE.

Master programming with Matlab


Horas del Curso: 55.

Conocimientos previos:No aplica – Nivel del curso: INTERMEDIATE.

PROGRAMACIÓN Y DATA SCIENCE – 2


Resultado de aprendizaje:

Adquirir habilidades y conocimientos avanzados en ciencia de datos, administración de tecnologías de la información, tecnologías emergentes y enseñanza de la tecnología en el aula; aplicar estos conocimientos y habilidades en diferentes contextos empresariales y profesionales, especialmente en el análisis y procesamiento de datos, la implementación de soluciones empresariales y el diseño de currículos educativos efectivos.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 8.

Procesamiento del lenguaje natural con Python y Power BI

Horas del Curso: 2.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Curso Completo de Machine Learning en Microsoft Power BI

Horas del Curso: 2.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Automated Machine Learning en Microsoft Power BI

Horas del Curso: 2.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Automated Machine Learning en Power BI Clasificación

Horas del Curso: 2.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.

DISEÑO COMPUTARIZADO CON AUTODESK


Resultado de aprendizaje:

Adquirir habilidades avanzadas en el uso de herramientas para la comprensión profunda de los principios y técnicas de diseño, modelado estructural, mecánico, fabricación y la aplicación de estos conocimientos y habilidades en diferentes contextos de diseño y fabricación asistido por computador.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 93.

Autodesk Certified Professional: AutoCAD for Design and Drafting Exam Prep

Horas del Curso: 18.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Autodesk Certified Professional: Revit for Architectural Design Exam Prep

Horas del Curso: 18.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Autodesk Certified Professional: Revit for Structural Design Exam Prep

Horas del Curso: 23.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Autodesk Certified Professional: Inventor for Mechanical Design Exam Prep

Horas del Curso: 15.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Introduction to CAD, CAM, and Practical CNC Machining

Horas del Curso: 19.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

 

ENERGÍA SOSTENIBLE


Resultado de aprendizaje:

Adquirir comprensión de los principios y prácticas de sostenibilidad en diferentes áreas de la vida, incluyendo la energía, el cambio climático, la planificación sostenible y la biodiversidad, y aplicar estos conocimientos y habilidades en diferentes contextos para contribuir a la creación de un futuro más sostenible y habitable para todos.

Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 54.

El ABC de la sostenibilidad

Horas del Curso: 12.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Análisis de Sistemas Eléctricos y Transición Energética

Horas del Curso: 17.

Conocimientos previos: No aplica – Nivel del curso: BÁSICO.

Science and Engineering of Climate Change

Horas del Curso: 9.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Sustainable Regional Principles, Planning and Transportation

Horas del Curso: 7.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.

Exploring Biodiversity with Radar

Horas del Curso: 9.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.

Programación aplicada

Resultado de aprendizaje:

Aplicar técnicas de análisis de datos utilizando Python en contextos educativos, incluida la manipulación y análisis de conjuntos de datos y la creación de visualizaciones de datos en herramientas especializadas.


Mayor información e inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 134

Introduction to python Programming

Horas del Curso: 27.

Conocimientos previos:N/A – Nivel del curso: N/A.

Python basics

Horas del Curso: 35.

Conocimientos previos:N/A – Nivel del curso: N/A.

Python functions, files and dictionaries

Horas del Curso: 31.

Conocimientos previos:N/A – Nivel del curso: N/A.

Data collection and processing with Python

Horas del Curso: 16.

Conocimientos previos:N/A – Nivel del curso: N/A.

Python classes and inheritance

Horas del Curso: 17.

Conocimientos previos:N/A – Nivel del curso: N/A.

Python para ciencia de los datos

Horas del Curso: 8.

Conocimientos previos:N/A – Nivel del curso: N/A.

Herramientas y recursos para la enseñanza de estadística


Resultado de aprendizaje:

Aplicar técnicas de análisis de datos utilizando Python en contextos educativos, incluida la manipulación y análisis de conjuntos de datos y la creación de visualizaciones de datos en herramientas especializadas.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 89.

Introduction to Data Science in Python


Horas del Curso: 34.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 22

Diferencia horas: 122

Python para ciencia de los datos, IA y desarrollo


Horas del Curso: 20.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 35

Diferencia horas: 109

Creating an Interactive Graph with Tableau Public


Horas del Curso: 1.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 12

Diferencia horas: 132

Applied Plotting, Charting & Data Representation in Python


Horas del Curso: 24.

Conocimientos previos: no aplica
Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 18

Diferencia horas: 126

Fundamentos de visualización con Tableau


Horas del Curso: 10.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 22

Diferencia horas: 122

Enseñanza de la estadística en contextos interdisciplinarios


Resultado de aprendizaje:

Aplica métodos estadísticos y de la investigación, así como el uso de herramientas para el análisis de datos en diferentes contextos y disciplinas.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 118.

Qualitative Research Methods


Horas del Curso: 23.

Conocimientos previos: Si aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Proyecto de Aplicación I

Cód, espacio académico: ES9013

Número de créditos: 2

Horas que debe cursar para Reconocer: 96

Horas Coursera: 30

Diferencia horas: 66

Statistics for International Business


Horas del Curso: 10.

Conocimientos previos: Si aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Electiva I

Cód, espacio académico: ES9014

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 20

Diferencia horas: 124

Network Analysis in Systems Biology


Horas del Curso: 30.

Conocimientos previos: Si aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Electiva I

Cód, espacio académico: ES9014

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 20

Diferencia horas: 124

Linear Regression and Modeling


Horas del Curso: 10.

Conocimientos previos: Si aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Análisis de Regresión

Cód, espacio académico: ES9009

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 25

Diferencia horas: 119

Modern Regression Analysis in R


Horas del Curso: 45.

Conocimientos previos: Si aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Análisis de Regresión

Cód, espacio académico: ES9009

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 25

Diferencia horas: 119

Estadística y resolución de problemas


Resultado de aprendizaje:

Desarrollar habilidades matemáticas esenciales para abordar problemas en ciencia de datos y estadísticas, incluyendo álgebra lineal y cálculo para la resolución de problemas prácticos desde una perspectiva creativa y la optimización de procesos para la toma de decisiones.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 134.

Data Science Math Skills


Horas del Curso: 13.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Proyecto de Aplicación I

Cód, espacio académico: ES9013

Número de créditos: 2

Horas que debe cursar para Reconocer: 96

Horas Coursera: 20

Diferencia horas: 76

Data – What It Is, What We Can Do With It


Horas del Curso: 11.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 20

Diferencia horas: 124

Problem Solving, Python Programming, and Video Games


Horas del Curso: 80.

Conocimientos previos: No aplica – Nivel del curso: AVANZADO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Proyecto de Aplicación I

Cód, espacio académico: ES9013

Número de créditos: 2

Horas que debe cursar para Reconocer: 96

Horas Coursera: 40

Diferencia horas: 56

Creative Problem Solving


Horas del Curso: 13.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Proyecto de Aplicación I

Cód, espacio académico: ES9013

Número de créditos: 2

Horas que debe cursar para Reconocer: 96

Horas Coursera: 20

Diferencia horas: 76

Computational Thinking for Problem Solving


Horas del Curso: 17.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Proyecto de Aplicación I

Cód, espacio académico: ES9013

Número de créditos: 2

Horas que debe cursar para Reconocer: 96

Horas Coursera: 20

Diferencia horas: 76

Fundamentos de estadística


Resultado de aprendizaje:

Interpretar y aplicar conceptos y técnicas estadísticas, principios de probabilidad y análisis de regresión para tomar decisiones informadas en contextos diversos.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 58.

Statistics: The Science of Decisions


Horas del Curso: 2.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 32

Diferencia horas: 112

Introduction to Probability and Data with R


Horas del Curso: 14.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 25

Diferencia horas: 119

Basic Statistics


Horas del Curso: 26.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 32

Diferencia horas: 112

Inferential Statistics


Horas del Curso: 16.

Conocimientos previos: Si aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 32

Diferencia horas: 112

Estadística aplicada a la educación


Resultado de aprendizaje:

Transformar conceptos abstractos en datos cuantificables y comprender las implicaciones de las decisiones de medición en la investigación en el estudio de la estadística.


Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 59.

Improving your statistical inferences


Horas del Curso: 27.

Conocimientos previos: Si aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Métodos Estadísticos

Cód, espacio académico: ES9008

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 30

Diferencia horas: 114

Understanding Research Methods


Horas del Curso: 5.

Conocimientos previos: No aplica – Nivel del curso: MEDIO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Proyecto de Aplicación I

Cód, espacio académico: ES9013

Número de créditos: 2

Horas que debe cursar para Reconocer: 96

Horas Coursera: 24

Diferencia horas: 72

Questionnaire Design for Social Surveys


Horas del Curso: 16.

Conocimientos previos: Si aplica – Nivel del curso: AVANZADO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Electiva I

Cód, espacio académico: ES9014

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 20

Diferencia horas: 124

Measurement – Turning Concepts into Data


Horas del Curso: 11.

Conocimientos previos: Si aplica – Nivel del curso: AVANZADO.


Reconocible en Posgrados:

Nombre del Programa: ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA – VIRTUAL

Nombre del espacio académico que Reconoce: Electiva I

Cód, espacio académico: ES9014

Número de créditos: 3

Horas que debe cursar para Reconocer: 144

Horas Coursera: 20

Diferencia horas: 124

PROGRAMACIÓN Y MACHINE LEARNING – 1


Resultado de aprendizaje:

Aplicar los fundamentos de programación en Python para resolver problemas de machine learning y ciencia de datos.

Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 116.

Introduction to python Programming

Horas del Curso: 27.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0020-APRENDIZAJE DE MÁQUINA

Porcentaje equivalente: 23%

Python Basics

Horas del Curso: 34.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0020-APRENDIZAJE DE MÁQUINA

Porcentaje equivalente: 30%

Linear Algebra for Machine Learning and Data Science

Horas del Curso: 21.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0020-APRENDIZAJE DE MÁQUINA

Porcentaje equivalente: 18%

Python Basics: Selection and Iteration

Horas del Curso: 9.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0020-APRENDIZAJE DE MÁQUINA

Porcentaje equivalente: 8%

Calculus for Machine Learning and Data Science

Horas del Curso: 25.
Conocimientos previos: No aplica – Nivel del curso: MEDIO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0020-APRENDIZAJE DE MÁQUINA

Porcentaje equivalente: 21%

CIENCIA DE DATOS Y PROGRAMACIÓN


Resultado de aprendizaje:

Desarrollar la capacidad de aplicar el pensamiento crítico en la resolución de problemas de ciencia de datos utilizando herramientas y lenguajes de programación y aplicando los conceptos de estadística y probabilidad para la manipulación, análisis e interpretación de datos.

Inscripción aquí

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 90.

Introducción a la inteligencia artificial contemporánea

Horas del Curso: 18.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0023-DEEP LEARNING

Porcentaje equivalente: 20%

Introducción a Data Science: Programación Estadística con R

Horas del Curso: 46.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0023-DEEP LEARNING

Porcentaje equivalente: 51%

C for Everyone: Programming Fundamentals

Horas del Curso: 15.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0023-DEEP LEARNING

Porcentaje equivalente: 17%

Estadística y probabilidad: principios de Inferencia

Horas del Curso: 4.
Conocimientos previos: No aplica – Nivel del curso: BÁSICO


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: MI0023-DEEP LEARNING

Porcentaje equivalente: 4%

Análisis y Visualización de Datos


Cursos de la Ruta de Aprendizaje

Horas de la ruta: 107

Visualización de datos con R

Horas del Curso: 11.


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: Métodos Estadísticos

Porcentaje equivalente: 11%

Análisis de datos con Python

Horas del Curso: 14.


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: Métodos Estadísticos

Porcentaje equivalente: 13%

Estadística y Probabilidad

Horas del Curso: 28.


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: Métodos Estadísticos

Porcentaje equivalente: 26%

Inferencia estadística

Horas del Curso: 54.


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: Métodos Estadísticos

Porcentaje equivalente: 50%

Fundamentos de Programación

Cursos de la Ruta de Aprendizaje

Horas de la ruta: 118

Programación R

Horas del Curso: 57.


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: Programación en Lenguajes Estadísticos

Porcentaje equivalente: 48%

Introduction to Python Programming

Horas del Curso: 27.


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: Programación en Lenguajes Estadísticos

Porcentaje equivalente: 23%

Python Basics

Horas del Curso: 34.


Espacios académicos dónde se reconoce saberes:

Nombre del Programa: Programación en Lenguajes Estadísticos

Porcentaje equivalente: 29%

Facebook Twitter YouTuBe Instagram Email Online Radio Trámites
Facebook Twitter YouTuBe Instagram Email Online Radio Trámites