Resultados de aprendizaje

• Identificar los tipos de análisis y problemas que se pueden resolver con la ciencia de datos para detectar oportunidades de aplicación en el entorno profesional.
• Desarrollar análisis exploratorios de datos en contextos multidisciplinarios para identificar relaciones entre variables y plantear hipótesis de trabajo.
• Visualizar datos de forma interactiva y creativa para la identificación de patrones e información clave que faciliten la toma de decisiones.
• Entrenar y validar modelos supervisados de clasificación y regresión para predecir e identificar variables claves en problemas multidisciplinarios.
• Desarrollar modelos no supervisados como técnicas de clustering para la identificación de patrones en problemas multidisciplinarios.
• Desarrollar procesamiento de datos, construcción de modelos y análisis a través de Python (Pandas, seaborn, plotly, statsmodels, scikit-learn) para conocer las herramientas de programación más utilizadas a nivel mundial.
• Desarrollar proyectos de análisis de datos desde la recolección de datos hasta la modelación predictiva para la toma de datos en el sector empresarial o a nivel personal.
• Aprender tendencias de la ciencia de datos e inteligencia artificial para hacer uso de procesamiento en la nube o algoritmos de deep learning cuando el contexto lo requiera.

Contenido

Módulo I. Introducción a la ciencia de datos (12 horas)
• Metodología de análisis de datos.
• Exploración de problemas de aprendizaje de máquina.
• Introducción al análisis de datos con Python.
• Análisis exploratorio de datos (EDA).
• Visualización de datos.

Módulo II. Modelos predictivos supervisados (20 horas)
• Problemas de regresión y sus aplicaciones.
• Problemas de clasificación binaria y multi-clase y aplicaciones en empresas.
• Análisis de redes sociales (Twitter).

Módulo III Modelos no supervisados (10 horas)
• Clustering para la segmentación de clientes y grupos.
• Problemas de recomendación y asociación.
• Introducción a aprendizaje por refuerzo y aplicaciones.

Módulo IV Modelos y aplicaciones avanzadas (6 horas)
• Introducción a redes neuronales y Deep learning.
• Introducción a servicios de computo en la nube (AWS, Azure, etc).
• Proyecto aplicado.

Expertos facilitadores

Daniel Romero Rodriguez
Ingeniero industrial

Para más información ingresa tus datos aquí: