Zrive Applied Data Science (Z-DS)

En este módulo haremos una introducción al programa y prepararemos un entorno de trabajo similar al que te encontrarás en el mercado laboral.
- Fork del repositorio inicial
- Preparar IDE (VSCode)
- Preparar el entorno de desarrollo (versiones de python, virtualenv, poetry…)

Estudiaremos los principales conceptos de Exploratory Data Analysis (EDA) y los pondremos en práctica sobre una serie de problemas propuestos.
- Data types
- Distribuciones
- Missing values / outliers
- Correlaciones
- Encoding

Trabajaremos los fundamentos del aprendizaje automático sobre los que se construye toda la práctica.
- Qué entendemos por aprendizaje automático
- Tipos de aprendizaje.
- Aprendizaje supervisado: clasificación y regresión.
- Modelos lineales y problemas de dimensionalidad.
- Métricas y cómo evaluar el ajuste de un modelo

Aprenderemos a ajustar el mejor modelo posible a un problema debidamente caracterizado.
- Modelos no lineales
- Regularización
- Cross-validation
- Ajuste de hiperparámetros

Trabajaremos cómo enfrentar un problema de negocio para poder caracterizarlo y traducirlo en un problema de datos que lo represente correctamente. A través de casos reales, construiremos un framework que permita al alumno desarrollar un framework para enfocar de forma sistemática este tipo de problemas.

Fin de semana presencial que dedicaremos a trabajar aspectos de recruiting y mock interviews para identificar áreas de mejorar de cara poder trabajarlas durante la segunda parte del programa.

El modelado matemático del problema es una parte importante del proceso pero no la única. En este módulo cubriremos los principios fundamentales del diseño de sistemas que permitan desplegar nuestros modelos en un entorno real.
- Model deployment
- Monitorización, logging y alerting.
- Concept drift y model retraining.

Durante estas 5 semanas trabajarás en construir una solución desde cero para resolver un problema real propuesto por una empresa colaboradora. Esto no es un proyecto académico si no un problema real, con datos reales, que una empresa referente nos propone para que trabajemos en él.

En este proyecto, trabajarás con 2-3 compañeros y bajo la supervisión de uno de nuestros profesores que hará las veces de Tech Lead del proyecto. Esta es una configuración realista, muy parecida a la que te podrás encontrar en una empresa, lo cual te permitirá aprender a cómo colaborar y desarrollar una solución de calidad y alto valor añadido para la empresa.

Esta fase normalmente incluye:
- Sesión de presentación del proyecto
- Trabajo en grupos con el soporte de un mentor senior de Zrive
- Contacto semanal con los stakeholders para resolver dudas y hacer seguimiento del proyecto
- Presentación final de los resultados obtenidos a los stakeholders del proyecto (edited)

Aunque el grado de uso de estas tecnologías variará en función de la organización y del equipo, son tecnologías y conceptos que pueden ser muy importantes para el trabajo diario y el desarrollo profesional de un Data Scientist. Por eso, en este módulo extra queremos cubrir los conceptos fundamentales que te permitan profundizar en ellas más adelante.