{"id":62,"date":"2023-11-03T17:10:34","date_gmt":"2023-11-03T17:10:34","guid":{"rendered":"https:\/\/exa.unne.edu.ar\/diplomatura\/?page_id=62"},"modified":"2023-11-03T19:07:00","modified_gmt":"2023-11-03T19:07:00","slug":"plan-de-estudios","status":"publish","type":"page","link":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/","title":{"rendered":"Plan de Estudios"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"62\" class=\"elementor elementor-62\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-d5e7e97 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"d5e7e97\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-d804e5d\" data-id=\"d804e5d\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-3dca71c elementor-widget elementor-widget-menu-anchor\" data-id=\"3dca71c\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"informaciongeneral\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9d24e7f elementor-widget elementor-widget-heading\" data-id=\"9d24e7f\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Informaci\u00f3n general<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c890356 elementor-widget elementor-widget-text-editor\" data-id=\"c890356\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong>Carga horaria total:\u00a0<\/strong>200 horas<\/p><p>\u00a0<\/p><p><strong>Duraci\u00f3n:\u00a0\u00a0<\/strong>9 meses<\/p><p>\u00a0<\/p><p><strong>Tiempo de cursado:<\/strong><\/p><ul><li>Dos cuatrimestres.<\/li><li>28 semanas de cursado.<\/li><li>8 horas semanales.<\/li><\/ul><p><strong>Modalidad:\u00a0<\/strong><span style=\"font-weight: 400;\">Se establecen dos modalidades: presencialidad f\u00edsica y presencialidad remota. Los\/as estudiantes deben elegir la modalidad al momento de la inscripci\u00f3n.\u00a0<\/span><\/p><p>\u00a0<\/p><p><strong>Contenidos de plan de estudios<\/strong><\/p><p>\u00a0<\/p><p><span style=\"text-decoration: underline;\">I &#8211; Tramo proped\u00e9utico<\/span><\/p><p>M\u00f3dulo 1 &#8211; Introducci\u00f3n a Python. <span style=\"color: #003366;\"><a style=\"color: #003366;\" href=\"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/#modulopython\">M\u00e1s informaci\u00f3n<\/a><\/span><\/p><p>M\u00f3dulo 2 \u2013 Elementos de probabilidad y estad\u00edstica. <span style=\"color: #003366;\"><a style=\"color: #003366;\" href=\"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/#moduloestadistica\">M\u00e1s informaci\u00f3n<\/a><\/span><\/p><p>\u00a0<\/p><p><span style=\"text-decoration: underline;\">II &#8211; Tramo especializaci\u00f3n<\/span><\/p><p>M\u00f3dulo 3 \u2013 An\u00e1lisis exploratorio de datos. <span style=\"color: #003366;\"><a style=\"color: #003366;\" href=\"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/#moduloexploratoriodatos\">M\u00e1s informaci\u00f3n<\/a><\/span><\/p><p>M\u00f3dulo 4 \u2013 Aprendizaje autom\u00e1tico. <span style=\"color: #003366;\"><a style=\"color: #003366;\" href=\"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/#aprendizajeautomatico\">M\u00e1s informaci\u00f3n<\/a><\/span><\/p><p>M\u00f3dulo 5 &#8211; Aprendizaje no supervisado. <span style=\"color: #003366;\"><a style=\"color: #003366;\" href=\"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/#aprendizajenosupervisado\">M\u00e1s informaci\u00f3n<\/a><\/span><\/p><p>M\u00f3dulo 6 &#8211; Aprendizaje profundo. <span style=\"color: #003366;\"><a style=\"color: #003366;\" href=\"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/#aprendizajeprofundo\">M\u00e1s informaci\u00f3n<\/a><\/span><\/p><p>\u00a0<\/p><p><span style=\"text-decoration: underline;\">III &#8211; Tramo de producci\u00f3n final integradora<\/span><\/p><p>M\u00f3dulo 7 &#8211; Proyecto final. <span style=\"color: #003366;\"><a style=\"color: #003366;\" href=\"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/plan-de-estudios\/#tramotrabajofinal\">M\u00e1s informaci\u00f3n<\/a><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-110b30f elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"110b30f\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-7a8b761\" data-id=\"7a8b761\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-cc35d02 elementor-widget elementor-widget-spacer\" data-id=\"cc35d02\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6461421 elementor-widget elementor-widget-menu-anchor\" data-id=\"6461421\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"tramopropedeutico\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2cd9286 elementor-widget elementor-widget-heading\" data-id=\"2cd9286\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">I - Tramo proped\u00e9utico<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dd66666 elementor-widget elementor-widget-menu-anchor\" data-id=\"dd66666\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"modulopython\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-35a47ef elementor-widget elementor-widget-heading\" data-id=\"35a47ef\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">M\u00f3dulo 1 - Introducci\u00f3n a Python.<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5d39022 elementor-widget__width-initial elementor-widget elementor-widget-text-editor\" data-id=\"5d39022\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><i>Car\u00e1cter: <\/i><\/strong><span style=\"font-weight: 400;\">Obligatorio<\/span><\/p><p>\u00a0<\/p><p><strong><i>Duraci\u00f3n:<\/i><\/strong><span style=\"font-weight: 400;\"> 24 horas<\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\"><strong>Distribuci\u00f3n:<\/strong> 4 horas semanales \/ 6 semanas<\/span><\/p><p>\u00a0<\/p><p><i><span style=\"font-weight: 400;\"><strong>Contenidos m\u00ednimos:<\/strong> <\/span><\/i><span style=\"font-weight: 400;\">Introducci\u00f3n al machine learning. Metodolog\u00edas. Interprete Python. Tipos de variables. Bifurcaciones. Loops. Vectores y matrices. Graficaci\u00f3n. Funciones. Lectura y escritura de datos. Clases y objetos. Librer\u00edas para datos: Pandas. Numpy. Scikit learn. Pytorch.<\/span><\/p><p>\u00a0<\/p><p><strong><i>Objetivos de aprendizaje:<\/i><\/strong><span style=\"font-weight: 400;\"> Est\u00e1 previsto una introducci\u00f3n general al problema de machine learning y el planteo metodol\u00f3gico. En este m\u00f3dulo se abordar\u00e1n los conceptos b\u00e1sicos de programaci\u00f3n en Python. Se espera que el estudiante ya posea formaci\u00f3n en programaci\u00f3n y el presente m\u00f3dulo tiene por objetivo nivelar los conceptos de programaci\u00f3n e introducirlos a trav\u00e9s del lenguaje python. A lo largo del m\u00f3dulo se expondr\u00e1n los principales paradigmas de este lenguaje abarcando los conceptos de programaci\u00f3n funcional y programaci\u00f3n orientada a objetos. Se dar\u00e1 hincapi\u00e9 en las herramientas y librer\u00edas del lenguaje que son de utilidad para el procesamiento de datos y el an\u00e1lisis num\u00e9rico estad\u00edstico de estos, incluyendo elementos de las librer\u00edas:\u00a0 Numpy, Scikit-learn y Pytorch.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5a539ea elementor-widget elementor-widget-spacer\" data-id=\"5a539ea\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-54bbaf6 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"54bbaf6\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-086198e\" data-id=\"086198e\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-43211c9 elementor-widget elementor-widget-spacer\" data-id=\"43211c9\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cbc8e2e elementor-widget elementor-widget-menu-anchor\" data-id=\"cbc8e2e\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"moduloestadistica\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c3dda75 elementor-widget elementor-widget-heading\" data-id=\"c3dda75\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">M\u00f3dulo 2 - Elementos de probabilidad y estad\u00edstica<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-62fc78d elementor-widget elementor-widget-text-editor\" data-id=\"62fc78d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><i>Car\u00e1cter: <\/i><\/strong><span style=\"font-weight: 400;\">Obligatorio<\/span><\/p><p>\u00a0<\/p><p><strong><i>Duraci\u00f3n:<\/i><\/strong><span style=\"font-weight: 400;\"> 24 horas <\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\"><strong>Distribuci\u00f3n:<\/strong> 4 horas semanales \/ 6 semanas<\/span><\/p><p>\u00a0<\/p><p><i><span style=\"font-weight: 400;\"><strong>Contenidos m\u00ednimos:\u00a0<\/strong><\/span><\/i>Distribuci\u00f3n binomial. Distribuci\u00f3n Multinomial. Distribuci\u00f3n Poisson. Distribuci\u00f3n Exponencial Distribuci\u00f3n Gaussiana Univariada. Gaussiana Multivariada. Distribuci\u00f3n Beta. Distribuci\u00f3n t-student. Regla de Bayes. M\u00e9todo de m\u00e1xima verosimilitud. Inferencia Bayesiana. M\u00e9todos no param\u00e9tricos. Histogramas. Estimadores de densidad por n\u00facleos. M\u00e9todos de vecinos cercanos. Teor\u00eda de informaci\u00f3n. Entrop\u00eda. Cross-entropy.<\/p><p>\u00a0<\/p><p><strong><i>Objetivos de aprendizaje:<\/i><\/strong><span style=\"font-weight: 400;\"> Para un entendimiento de los fundamentos te\u00f3ricos que existen detr\u00e1s de las t\u00e9cnicas de aprendizaje autom\u00e1tico se requiere del conocimiento de los principales conceptos de probabilidad y estad\u00edstica. Este m\u00f3dulo introductorio y nivelador tiene por objetivo introducir los conceptos esenciales de la probabilidad y estad\u00edstica que ser\u00e1n requeridos y utilizados en los m\u00f3dulos posteriores. Para esto el m\u00f3dulo introducir\u00e1 las distribuciones para datos discretos y continuos, de una y varias variables. Se profundizar\u00e1 sobre las t\u00e9cnicas de estimaci\u00f3n param\u00e9trica y no-param\u00e9tricas. Se expondr\u00e1 sobre teor\u00eda de informaci\u00f3n y sus aplicaciones en la caracterizaci\u00f3n de datos. Los conceptos ser\u00e1n directamente evaluados y profundizados en trabajos pr\u00e1cticos con bases de datos actuales.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-8c8013f elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"8c8013f\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-5487f0e\" data-id=\"5487f0e\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-a178c0f elementor-widget elementor-widget-spacer\" data-id=\"a178c0f\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cf2f951 elementor-widget elementor-widget-menu-anchor\" data-id=\"cf2f951\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"tramoesp\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f5d6d59 elementor-widget elementor-widget-heading\" data-id=\"f5d6d59\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">II - Tramo Especializaci\u00f3n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4067276 elementor-widget elementor-widget-menu-anchor\" data-id=\"4067276\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"moduloexploratoriodatos\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f940d03 elementor-widget elementor-widget-heading\" data-id=\"f940d03\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">M\u00f3dulo 3 \u2013 An\u00e1lisis exploratorio de datos  <\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-38a7da7 elementor-widget elementor-widget-text-editor\" data-id=\"38a7da7\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><i>Car\u00e1cter: <\/i><\/strong><span style=\"font-weight: 400;\">Obligatorio<\/span><\/p><p>\u00a0<\/p><p><strong><i>Duraci\u00f3n:<\/i><\/strong><span style=\"font-weight: 400;\"> 32 horas <\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\"><strong>Distribuci\u00f3n:<\/strong> 4 horas semanales \/ 8 semanas<\/span><\/p><p>\u00a0<\/p><p><i><span style=\"font-weight: 400;\"><strong>Contenidos m\u00ednimos:\u00a0<\/strong><\/span><\/i>Datos estructurados y no estructurados. Formato de almacenamiento de datos (csv, tsv, ascii, sql, binario, netcdf, hdf5). Encabezados. Formato de los datos (num\u00e9rico, string, fechas y otros). T\u00e9cnicas y herramientas de exploraci\u00f3n y visualizaci\u00f3n de los datos. Evaluaci\u00f3n y correcci\u00f3n de datos. Datos con ruido. Datos faltantes, datos incorrectos. T\u00e9cnicas para la exploraci\u00f3n de los datos. Selecci\u00f3n, descubrimiento y dise\u00f1o de caracter\u00edsticas relevantes para la resoluci\u00f3n de un problema dado.<\/p><p>\u00a0<\/p><p><strong><i>Objetivos de aprendizaje:<\/i><\/strong><span style=\"font-weight: 400;\"> La primera actividad que debe realizar el cient\u00edfico de datos es la exploraci\u00f3n de los datos para conocer sus caracter\u00edsticas generales. Este tipo de exploraci\u00f3n involucra tambi\u00e9n un an\u00e1lisis con diferentes t\u00e9cnicas de visualizaci\u00f3n de los datos. En este m\u00f3dulo el estudiante ver\u00e1 c\u00f3mo analizar estad\u00edsticamente las distintas variables del conjunto de datos, obtener relaciones y limitaciones que puedan tener las variables. Se abordar\u00e1 c\u00f3mo a trav\u00e9s de este an\u00e1lisis se pueden identificar distintos errores en los datos, como tambi\u00e9n detectar valores at\u00edpicos o an\u00f3malos. El an\u00e1lisis exploratorio debe brindar una primera visi\u00f3n acerca de la viabilidad de responder la pregunta al problema planteado por el cliente o la empresa.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-44b2ef6 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"44b2ef6\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-f6d2ad1\" data-id=\"f6d2ad1\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-0086df6 elementor-widget elementor-widget-spacer\" data-id=\"0086df6\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d59f064 elementor-widget elementor-widget-menu-anchor\" data-id=\"d59f064\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"aprendizajeautomatico\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8087bea elementor-widget elementor-widget-heading\" data-id=\"8087bea\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">M\u00f3dulo 4 \u2013 Aprendizaje autom\u00e1tico<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c088354 elementor-widget elementor-widget-text-editor\" data-id=\"c088354\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><i>Car\u00e1cter: <\/i><\/strong><span style=\"font-weight: 400;\">Obligatorio<\/span><\/p><p>\u00a0<\/p><p><strong><i>Duraci\u00f3n:<\/i><\/strong><span style=\"font-weight: 400;\"> 32 horas <\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\"><strong>Distribuci\u00f3n:<\/strong> 4 horas semanales \/ 8 semanas<\/span><\/p><p>\u00a0<\/p><p><i><span style=\"font-weight: 400;\"><strong>Contenidos m\u00ednimos:\u00a0<\/strong><\/span><\/i>Modelos lineales para regresi\u00f3n. Modelos lineales para clasificaci\u00f3n. Overfitting. Bias-Varianza. Interpretaci\u00f3n estad\u00edstica de la funci\u00f3n de p\u00e9rdida. \u00c1rboles y bosques. Kernels y m\u00e1quinas de soporte vectorial. Redes neuronales. Backpropagation. Entrenamiento por batch y estoc\u00e1stico. Entrenamiento con momento. Detenci\u00f3n temprana. Goteo. Regularizaci\u00f3n. Redes bayesianas.<\/p><p>\u00a0<\/p><p><strong><i>Objetivos de aprendizaje:<\/i><\/strong><span style=\"font-weight: 400;\"> Una de las formas m\u00e1s comunes en la cual pueden estar caracterizados los datos es a trav\u00e9s de variables de entrada y de salida o respuesta a las variables de entrada (el objetivo). Si tenemos como parte de nuestra base de datos las entradas y las salidas, el objetivo de la ciencia de datos es aprender la relaci\u00f3n funcional que hay entre la entrada y la salida para que dada cualquier nueva entrada el sistema pueda predecir cu\u00e1l ser\u00eda la salida m\u00e1s probable. En este m\u00f3dulo introduciremos los conceptos del aprendizaje supervisado a trav\u00e9s de los modelos lineales, los cuales nos brindan una importante base te\u00f3rica que explica su funcionamiento. Se persigue que el estudiante obtenga una interpretaci\u00f3n estad\u00edstica de los principales conceptos del aprendizaje autom\u00e1tico. Una vez introducidos los conceptos en los modelos lineales se abarcar\u00e1n otros tres tipos de modelos de aprendizaje: los \u00e1rboles y bosques aleatorios, las m\u00e1quinas de soporte vectorial y las redes neuronales completamente conectadas. Finalmente, se expondr\u00e1n los algoritmos para el entrenamiento de las redes neuronales m\u00e1s modernas que se utilizan.\u00a0<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-47a13df elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"47a13df\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-429a5a5\" data-id=\"429a5a5\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-be59357 elementor-widget elementor-widget-spacer\" data-id=\"be59357\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2db319a elementor-widget elementor-widget-menu-anchor\" data-id=\"2db319a\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"aprendizajenosupervisado\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9b83d41 elementor-widget elementor-widget-heading\" data-id=\"9b83d41\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">M\u00f3dulo 5 - Aprendizaje no supervisado   <\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-df6ab6d elementor-widget elementor-widget-text-editor\" data-id=\"df6ab6d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><i>Car\u00e1cter: <\/i><\/strong><span style=\"font-weight: 400;\">Obligatorio<\/span><\/p><p>\u00a0<\/p><p><strong><i>Duraci\u00f3n:<\/i><\/strong><span style=\"font-weight: 400;\"> 32 horas <\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\"><strong>Distribuci\u00f3n:<\/strong> 4 horas semanales \/ 8 <\/span><span style=\"font-weight: 400;\">semanas<\/span><\/p><p>\u00a0<\/p><p><i><span style=\"font-weight: 400;\"><strong>Contenidos m\u00ednimos:\u00a0<\/strong><\/span><\/i>Clustering. K-Means. Mezcla de Gaussianas. HDBscan. Reducci\u00f3n de la dimensionalidad. An\u00e1lisis en componentes principales (PCA). PCA probabil\u00edstico. PCA Bayesiano. PCA con n\u00facleos.\u00a0 An\u00e1lisis de componentes independientes. T\u00e9cnicas nolineales: TSNE (t-distributed Stochastic Neighbor Embedding),\u00a0 UMAP (Uniform Manifold Approximation and Projection for Dimension Reduction). T\u00e9cnicas de muestreo. \u00a0 Muestreo simple con y sin reposici\u00f3n. Muestreo por rechazo. Muestreo de importancia. Importance-sampling-resampling. Gibbs sampling. Markov Chain Monte Carlo. Metropolis Hastings. Muestreo con ensambles. Inferencia aproximada. Naive Bayes. M\u00e9todos variacionales Bayesianos.\u00a0<\/p><p>\u00a0<\/p><p><strong><i>Objetivos de aprendizaje: <\/i><\/strong>En una amplia gama de problemas reales nos encontramos ante una situaci\u00f3n en la que tenemos el conjunto de datos pero no poseemos los targets o etiquetas de nuestro problema. En estos casos lo que tenemos que encontrar es una estimaci\u00f3n de la densidad de probabilidad de nuestros datos de entrada. Mientras en un problema supervisado aprendemos a predecir en funci\u00f3n de un conjunto de ejemplos aqu\u00ed lo que tenemos que hacer es descubrir patrones o estructuras en los datos. Para esto recurrimos a los algoritmos de agrupamiento que permiten clasificar en grupos a nuestros datos en funci\u00f3n de las distancias entre los propios datos de entrada. En general los problemas no-supervisados son de muy alta dimensionalidad ya que estamos caracterizando el espacio de las entradas, por lo que en muchos casos es necesario la aplicaci\u00f3n de t\u00e9cnicas que nos permiten reducir la dimensionalidad. Finalmente, en este curso se espera que el estudiante adquiera el conocimiento para determinar densidades de probabilidad, tanto a trav\u00e9s de muestreo (no param\u00e9tricas) como tambi\u00e9n a trav\u00e9s de inferencia (param\u00e9trica).\u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-0aadaa9 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"0aadaa9\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-01ed497\" data-id=\"01ed497\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-25ecfe5 elementor-widget elementor-widget-spacer\" data-id=\"25ecfe5\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f3f22da elementor-widget elementor-widget-menu-anchor\" data-id=\"f3f22da\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"aprendizajeprofundo\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-00fddda elementor-widget elementor-widget-heading\" data-id=\"00fddda\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">M\u00f3dulo 6 - Aprendizaje profundo  <\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a6087ea elementor-widget elementor-widget-text-editor\" data-id=\"a6087ea\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><i>Car\u00e1cter: <\/i><\/strong><span style=\"font-weight: 400;\">Obligatorio<\/span><\/p><p>\u00a0<\/p><p><strong><i>Duraci\u00f3n:<\/i><\/strong><span style=\"font-weight: 400;\"> 32 horas<\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\"><strong>Distribuci\u00f3n:<\/strong> 4 horas semanales \/ 8 <\/span><span style=\"font-weight: 400;\">semanas<\/span><\/p><p>\u00a0<\/p><p><i><span style=\"font-weight: 400;\"><strong>Contenidos m\u00ednimos: <\/strong><\/span><\/i><span style=\"font-weight: 400;\">Redes convolucionales. Invariancia de traslaci\u00f3n. Capas convolucionales y filtros. Pesos compartidos. Mapas de features. Max pooling. Redes convolucionales profundas. Encoders-decoders. Redes residuales. Redes Neuronales recurrentes.\u00a0 Long short-term memory (LSTM) and Gated recurrent unit (GRU). Problemas en el entrenamiento. Inestabilidad de los gradientes. Vanishing gradients. Attention. Transformers. Modelos de lenguaje. Modelos generativos. M\u00e1quinas de Bolzmann. GANs. VAEs. Autoencoders. Aprendizaje por refuerzo. Agente y sistema de recompensas. Aprendizaje por imitaci\u00f3n.<\/span><\/p><p>\u00a0<\/p><p><strong><i>Objetivos de aprendizaje: <\/i><\/strong>Las arquitecturas de las redes neuronales han sido de las \u00e1reas que m\u00e1s han evolucionado en los \u00faltimos a\u00f1os. A partir de 2012, se proponen estructuras de redes convolucionales de muchas capas que permiti\u00f3 mejorar problemas de clasificaci\u00f3n de im\u00e1genes por un amplio margen. En el campo de procesamiento de lenguaje natural y en particular de traducci\u00f3n de lenguajes, las redes recurrentes bidireccionales permitieron una amplia mejora (2014) y luego m\u00e1s recientemente las redes de atenci\u00f3n y los transformers (2017). En s\u00edntesis, el objetivo principal de este m\u00f3dulo es proveer al estudiante las arquitecturas de redes neuronales profundas que son el cutting edge de la tecnolog\u00eda.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-a95d59b elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"a95d59b\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-d60c834\" data-id=\"d60c834\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-8b3b15e elementor-widget elementor-widget-spacer\" data-id=\"8b3b15e\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5f28fc0 elementor-widget elementor-widget-menu-anchor\" data-id=\"5f28fc0\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"tramotrabajofinal\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ff45545 elementor-widget elementor-widget-heading\" data-id=\"ff45545\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">III - Tramo de producci\u00f3n final integradora<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-66ad578 elementor-widget elementor-widget-menu-anchor\" data-id=\"66ad578\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"menu-anchor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-menu-anchor\" id=\"proyectofinal\"><\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-975e901 elementor-widget elementor-widget-heading\" data-id=\"975e901\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">M\u00f3dulo 7 -  Proyecto final<\/h4>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b4320e8 elementor-widget elementor-widget-text-editor\" data-id=\"b4320e8\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p><strong><i>Car\u00e1cter: <\/i><\/strong><span style=\"font-weight: 400;\">Obligatorio<\/span><\/p><p>\u00a0<\/p><p><strong><i>Duraci\u00f3n:<\/i><\/strong><span style=\"font-weight: 400;\"> 24 horas <\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\"><strong>Distribuci\u00f3n:<\/strong> 4 horas semanales \/ 6 semanas<\/span><\/p><p>\u00a0<\/p><p>El trabajo final es un proyecto individual bajo la supervisi\u00f3n de un tutor designado que consistir\u00e1 en el desarrollo de un sistema para el procesamiento de datos. El tema ser\u00e1 seleccionado por el\/la estudiante de las opciones disponibles en la Diplomatura.\u00a0<\/p><p>\u00a0<\/p><p>El tema del proyecto final a elegir por el estudiante abarca un abanico de opciones en bases de datos de distintas disciplinas para la predicci\u00f3n de series de tiempo, clasificaci\u00f3n de datos, procesamiento de lenguaje natural con transformers, aprendizaje profundo para clasificaci\u00f3n de im\u00e1genes, predicci\u00f3n espacio-temporal con autoencoders. Tambi\u00e9n desaf\u00edos presentados por las empresas y organismos del gobierno que sean sponsors de la diplomatura.<\/p><p>\u00a0<\/p><p>La primera semana del periodo del proyecto final est\u00e1 previsto el dictado de un taller de 2 horas donde se expondr\u00e1n metodolog\u00edas \u00e1giles de trabajo y herramientas de gesti\u00f3n de proyecto.\u00a0<\/p><p>\u00a0<\/p><p>El\/la estudiante dispondr\u00e1 de un m\u00ednimo de 6 semanas y un m\u00e1ximo de 6 meses con un m\u00ednimo de 12 y un m\u00e1ximo de 24 horas de tutor\u00edas para el desarrollo del trabajo final. El trabajo final ser\u00e1 presentado en un informe de hasta 5 p\u00e1ginas y deber\u00e1 ser expuesto en forma oral ante un tribunal designado por el Director.<\/p><p>\u00a0<\/p><p><strong><i>Objetivos de aprendizaje:<\/i><\/strong><span style=\"font-weight: 400;\"> El continuo avance del \u00e1rea exige de parte de los cient\u00edficos de datos una permanente actualizaci\u00f3n y aprendizaje de las nuevas tecnolog\u00edas, para esto es crucial fomentar el razonamiento independiente y pensamiento cr\u00edtico. El proyecto final tiene por objetivo que el\/la estudiante se enfrente ante un desaf\u00edo real del cient\u00edfico de datos: dada una base de datos de un proceso (en cualquier \u00e1rea del saber), a trav\u00e9s del an\u00e1lisis pormenorizado se debe definir el procesamiento, la exploraci\u00f3n y las t\u00e9cnicas de aprendizaje estad\u00edstico que se requieren aplicar a los datos para sacar el m\u00e1ximo provecho a la informaci\u00f3n existente. Para esto el\/la estudiante deber\u00e1 desarrollar y experimentar en forma independiente, aunque guiado por el tutor con todo lo aprendido en los distintos m\u00f3dulos de la diplomatura para implementar t\u00e9cnicas y evaluar los resultados obtenidos.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Informaci\u00f3n general Carga horaria total:\u00a0200 horas Duraci\u00f3n:\u00a0\u00a09 meses Tiempo de cursado: Dos cuatrimestres. 28 semanas de cursado. 8 horas semanales. Modalidad:\u00a0Se establecen dos modalidades: presencialidad f\u00edsica y presencialidad remota. Los\/as estudiantes deben elegir la modalidad al momento de la inscripci\u00f3n. Contenidos de plan de estudios I &#8211; Tramo proped\u00e9utico M\u00f3dulo 1 &#8211; Introducci\u00f3n a Python. &hellip; <\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[],"tags":[],"class_list":["post-62","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/pages\/62","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/comments?post=62"}],"version-history":[{"count":95,"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/pages\/62\/revisions"}],"predecessor-version":[{"id":182,"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/pages\/62\/revisions\/182"}],"wp:attachment":[{"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/media?parent=62"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/categories?post=62"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/exa.unne.edu.ar\/diplomatura\/index.php\/wp-json\/wp\/v2\/tags?post=62"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}