Cursos
################################################################################

.. toctree::
    :caption: Posgrado
    :titlesonly:
    :hidden:
    :glob:

    analitica_descriptiva_y_visualizacion/__index__
    analitica_predictiva/__index__
    productos_de_datos/__index__
    analitica_y_big_data/__index__
    
.. toctree::
    :caption: Pregrado
    :hidden:
    :titlesonly:
    :glob:

    fundamentos_de_analitica/__index__

Todos los cursos se rigen bajo los aspectos generales descritos a continuación.

.. raw:: html
    
    <br>

**DOCENTE RESPONSABLE.---** Los cursos están a cardo de:

| Prof. Juan David Velásquez-Henao, MSc, PhD
| Universidad Nacional de Colombia, Sede Medellín.
| jdvelasq@unal.edu.co

.. raw:: html
    
    <br>

**CREDITOS PARA ASIGNATURAS DE POSGRADO.---** Cuatro (4) que corresponden a un total de
196 horas por semestre, o equivalentemente un promedio de 12 horas semanales (3 en el 
aula de clase más 9 horas de trabajo independiente) durante 16 semanas.

.. raw:: html
    
    <br>

**CREDITOS PARA ASIGNATURAS DE PREGRADO.---** Tres (3) que corresponden a un total de 
147 horas por semestre, o equivalentemente un promedio de 9 horas semanales (3 en el 
aula de clase más 6 horas de trabajo independiente) durante 16 semanas.  

.. raw:: html
    
    <br>

**CONCEPTOS PREVIOS NECESARIOS.---** Todos los cursos son autocontenidos, pero la 
experiencia previa en programación es deseable.

.. raw:: html
    
    <br>

**BIBLIOGRAFIA.---** La bibliografía recomendada para los cursos es la siguiente:

* Jeroen Janssens, 2015, Data Science at the Command Line, O'Reilly.
* Joel Grus, 2015, Data Science from Scratch, O'Reilly.
* Samir Madhavan, 2015, Mastering Python for Data Science, Packt.
* Nina Zumel, John Mount, 2014, Practical Data Science with R, Manning.
* Alberto Boschetti, Luca Massaron, 2015, Python Data Science Essentials.
* Dan Toomey, 2014, R for Data Science.


* Nishant Shukla, 2018, Machine Learning with TensorFlow, Manning.
* Nick McClure, 2017, TensorFlow Machine Learning Cookbook, Packt.
* Aurélien Géron, 2017, Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Really.
* Bharath Ramsundar and Reza Bosagh Zadeh, 2018, TensorFlow for Deep Learning: From Linear Regression to Reinforcement Learning.
* Giuseppe Ciaburro and Balaji Venkateswaran, 2017, Neural Networks with R: Smart models using CNN, RNN, deep learning, and artificial intelligence principles, Packt.
* Simon O. Haykin, Neural Networks and Learning Machines (3rd Edition).


* Benjamin Bengfort, Jenny Kim, 2016, Data Analytics with Hadoop, O'Reilly.
* Thilina Gunarathne, 2013, Hadoop MapReduce Cookbook, 2nd edition, Packt. 
* Dayong Du, 2015, Apache Hive Essentials. Packt Publishing

.. raw:: html
    
    <br>

**METODOLOGIA.---** El desarrollo de todos los cursos está basado en la aplicación de
metodologías de entrenamiento activo. Entre las técnicas se encuentran:

* Conferencias magistrales por parte del docente.
* Demostraciones.
* Tutoriales y demás material de estudio.
* Casos de estudio.
* Talleres dirigidos.
* Grupo de estudio para la solución de problemas, ejercicios y talleres en las sesiones presenciales.
* Estudio individual por parte del estudiante.

Las sesiones están diseñadas para que el estudiante desarrolla conceptos fundamentales 
sólidos sobre los temas tratados. El estudiante debe esforzarse por reforzar dichos 
conocimientos a partir de la lectura del material sugerido y la elaboración de ejercicios
y tareas de programación.

.. raw:: html
    
    <br>

**EVALUACIÓN.---** La evaluación se rige bajo los siguientes aspectos:

* Los cursos tiene una calificación numérica entre cero (0.0) y cinco (5.0). 
* La evaluación será realizada usando la plataforma GitHub Classroom. 
* Todos los laboratorios tienen el mismo peso.
* Todos los laboratorios son evaluados de forma automática usando GitHub Classroom.
* Todas las tareas deberá ser entregadas a través de los repositorios de GitHub creados para tal fin. Los trabajos entregados por cualquier otro medio serán calificados como no presentados.

.. raw:: html
    
    <br>

**ASISTENCIA.---** El estudiante debe cumplir con la asistencia y participación minimna especificada para cada curso en el SIA.

.. raw:: html
    
    <br>

**RECLAMOS.---** Únicamente se recibirán reclamos debidamente soportados con evidencias.

.. raw:: html
    
    <br>

**FRAUDES Y OTRAS FALTAS A LA ETICA.--** Todos los cursos se siguen estrictamente la
política de la Universidad Nacional de Colombia, y en particular el 
`Acuerdo CSU 044 de 2009 <http://www.legal.unal.edu.co/rlunal/home/doc.jspd_i=37192>`_.