In [1]: programas.plan_de_estudios()
El plan de estudios completo,
antes de que consultes
Tres programas con recorrido documentado. Cada módulo muestra qué se enseña, cuántas horas lleva, qué sabés al terminarlo y qué no incluye.
← Volver al inicioIn [2]: metodologia.describir()
Cómo están diseñados los programas
Sesión + ejercicio + devolución
Cada semana tiene una sesión en vivo, un ejercicio de práctica con fecha de entrega y una devolución escrita individual sobre ese ejercicio. El ciclo no varía.
Datos propios desde el inicio
En los programas de ML aplicado y Deep Learning, cada participante trabaja con un dataset propio desde la primera semana. Las devoluciones son sobre ese trabajo, no sobre ejercicios genéricos.
Entregable final documentado
Cada programa termina con un entregable técnico específico, documentado y revisado. No es solo una evaluación de finalización; es trabajo que el participante puede conservar.
In [3]: programa_01.leer()
Python para Machine Learning
ARS 148.000 · 6 semanas · 4 h/semana en vivo + 4 h ejercicios · grupos ≤ 14
Un punto de partida honesto para quien ya escribe algo de código en cualquier lenguaje y quiere el Python específico que usa el trabajo con datos: NumPy con broadcasting, pandas para datos tabulares, entornos virtuales, notebooks y lectura de stack traces. No asume matemática más allá de nivel secundario.
# lo que incluye
- Sesiones en vivo con grabaciones disponibles
- Set de ejercicios con devolución escrita
- Repositorio de código de la cohorte
- Tres pipelines de datos documentados (entregable final)
- Registro de finalización emitido por la escuela
# esto no cubre el programa
Entrenamiento de modelos, deep learning, MLOps ni deployment. Si eso es lo que buscás, este programa es el primer paso, no el destino.
# requisito previo
Conocimiento básico de programación en cualquier lenguaje (variables, loops, funciones). Sin requisito de matemática avanzada.
# módulos del programa
In [4]: programa_02.leer()
Aprendizaje Automático Aplicado
ARS 780.000 · 14 semanas · 6 h/semana en vivo + 8 h práctica · grupos ≤ 12 · revisión 1:1 quincenal
Recorrido estructurado por aprendizaje supervisado de principio a fin: cómo enmarcar un problema, cómo dividir datos sin filtraciones, trabajo de features, modelos lineales y basados en árboles, gradient boosting, y evaluación que sobrevive al contacto con datos reales. Cada participante trabaja con un dataset propio durante todo el track.
# lo que incluye
- Sesiones en vivo + grabaciones
- Devoluciones escritas individuales sustantivas
- Revisión 1:1 quincenal con el docente
- Modelo documentado + write-up de evaluación (entregable)
- Repositorio de la cohorte accesible 6 meses
# esto no cubre el programa
Deep learning, redes neuronales, MLOps ni serving de modelos a escala. Para eso está el programa siguiente.
# requisito previo
Haber completado Python para ML (o práctica equivalente demostrable: código propio con NumPy y pandas). El docente evalúa la equivalencia en la consulta inicial.
# módulos del track (resumen)
In [5]: programa_03.leer()
Deep Learning e Ingeniería de Modelos
ARS 1.295.000 · 24 semanas · 8 h/semana en vivo + 12 h práctica · grupos ≤ 10 · revisión 1:1 semanal · defensa final
Programa largo para quienes ya manejan ML aplicado y quieren construir y entrenar redes neuronales en serio: PyTorch desde tensores, loops de entrenamiento escritos a mano antes de cualquier atajo del framework, arquitecturas convolucionales y transformer, fine-tuning de modelos de pesos abiertos, diseño de evaluación y la ingeniería alrededor: versionado de datos, seguimiento de experimentos, runs reproducibles y serving detrás de una API.
# lo que incluye
- Sesiones en vivo + grabaciones + repositorio
- Revisión 1:1 semanal con el docente
- Devoluciones escritas sobre cada ejercicio
- Proyecto desde dataset hasta endpoint en producción
- Informe de ingeniería + defensa de proyecto al final
- Estimación de costo de cómputo en plan de estudios
# esto no cubre el programa
Sistemas de elusión de controles de acceso ni nada relacionado con circunvención de restricciones de seguridad. El programa enseña ingeniería de modelos para aplicaciones legítimas.
# requisito previo
Python sólido, comodidad con notación de álgebra lineal (matrices, multiplicación, normas) y práctica previa en aprendizaje supervisado. El docente evalúa en la consulta.
# módulos del programa (resumen)
# nota sobre costo de cómputo
El gasto estimado en proveedores de cómputo externos (Google Colab Pro, AWS o equivalente) es de aproximadamente USD 40–80 durante el programa, pagado directamente al proveedor. Ese costo no está incluido en el precio del programa.
In [6]: programas.comparar()
Cuál corresponde a tu situación
| Característica | Python para ML | ML Aplicado | Deep Learning |
|---|---|---|---|
| Duración | 6 semanas | 14 semanas | 24 semanas |
| Horas totales (en vivo + práctica) | 48 h | 196 h | 480 h |
| Tamaño de cohorte | ≤ 14 | ≤ 12 | ≤ 10 |
| Revisión 1:1 | — | Quincenal | Semanal |
| Entregable final | 3 pipelines | Modelo + write-up | Endpoint + informe |
| Precio | ARS 148.000 | ARS 780.000 | ARS 1.295.000 |
| Mejor para | Programadores sin experiencia en datos | Quienes terminaron Python para ML | Practitioners de ML con base sólida |
In [7]: estandares.todos()
Estándares compartidos entre los tres programas
Privacidad del trabajo del participante
Los datasets y proyectos que los participantes traen no se usan fuera del contexto del programa ni se comparten con terceros.
Código revisado, no solo ejecutado
Los ejercicios se revisan como código, no solo por el output. El docente comenta sobre estructura, claridad y decisiones de implementación.
Grabaciones disponibles 6 meses
Todas las sesiones quedan grabadas y accesibles para los participantes de esa cohorte durante seis meses después del cierre.
Stack de código abierto
Python, Jupyter, scikit-learn, PyTorch, FastAPI. Sin plataformas propietarias que dejan de ser accesibles al terminar el programa.
Celda "lo que no cubre" por módulo
Cada módulo del plan de estudios lista explícitamente qué no enseña, al mismo nivel visual que el contenido. Sin letra chica.
Canal de comunicación entre sesiones
Cada cohorte tiene un canal de comunicación entre sesiones para preguntas. Tiempo de respuesta esperado: 24 horas hábiles.
In [8]: precios.mostrar()
Precios en pesos argentinos
Precios al momento de publicación de esta página. Escribinos para confirmar el precio vigente de la próxima cohorte.
[prog_01]
Python para ML
ARS 148.000
pago único por cohorte
- 6 semanas · 48 h totales
- Grupos ≤ 14 personas
- Sesiones + ejercicios + devoluciones
- Grabaciones + repositorio
- Entregable: 3 pipelines
[prog_02] · más consultado
ML Aplicado
ARS 780.000
pago único por cohorte
- 14 semanas · ~196 h totales
- Grupos ≤ 12 personas
- Revisión 1:1 quincenal
- Devoluciones escritas individuales
- Entregable: modelo + write-up
[prog_03]
Deep Learning
ARS 1.295.000
pago único por cohorte
- 24 semanas · ~480 h totales
- Grupos ≤ 10 personas
- Revisión 1:1 semanal
- Proyecto + endpoint + defensa
- Cómputo externo: ~USD 40–80 aparte
In [9]: consulta.enviar()
¿Leíste el plan de estudios y tiene sentido?
Escribinos con el programa que te interesa y tu nivel de experiencia actual. Si hay un programa adecuado para vos y hay vacantes disponibles, te respondemos con la fecha de inicio y los pasos siguientes.
Consultar disponibilidad