Currículo completo
232 clases en 9 partes. Esta es la fuente de referencia para alumnos, docentes y evaluadores: cada clase tiene su ficha pedagógica (objetivo, resultados, temas, ejercicios, homework) y enlace al notebook.
El contenido se genera automáticamente desde los README.md del repositorio
en cada deploy de Pages — no edites el HTML, edita el markdown.
Prerrequisitos
Python, NumPy, pandas, viz, SQL, NoSQL, APIs
49 clases ✨ 49/49 ampliadas1️⃣ Parte 1ML clásico
Regresión, clasificación, ensembles, no supervisado
50 clases ✨ 50/50 ampliadas2️⃣ Parte 2Deep Learning
Keras, TF, CNN, RNN, Transformers, RL, despliegue
75 clases ✨ 75/75 ampliadas3️⃣ Parte 3Estadística inferencial
Hipótesis, A/B testing, inferencia causal, Bayes
19 clases ✨ 19/19 ampliadas4️⃣ Parte 4MLOps
Docker, CI/CD, MLflow, monitoreo, interpretabilidad
14 clases ✨ 14/14 ampliadas5️⃣ Parte 5Ingeniería de datos
Spark, Airflow, lakehouses, streaming
8 clases ✨ 8/8 ampliadas6️⃣ Parte 6Recomendadores
Filtrado colaborativo, factorización, secuenciales
7 clases ✨ 7/7 ampliadas7️⃣ Parte 7Ética, fairness, privacidad
Sesgo, explicabilidad, marcos normativos
6 clases ✨ 6/6 ampliadas8️⃣ Parte 8Capstones
Proyectos integradores end-to-end
4 clases ✨ 4/4 ampliadas