Data Science

Duración: 40 horas

Código: DAS-001

Descripción:

La ciencia de datos es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas, ya sea estructurados o no estructurados, lo cual es una continuación de algunos campos de análisis de datos como la estadística, la minería de datos, el aprendizaje automático y la analítica predictiva.

El perfil profesional del científico de datos está en auge, y, como consecuencia, cada vez tenemos una mayor oferta de formación a nuestra disposición, tanto para aquellos que buscan especializarse en campos específicos con un nivel avanzado como para los que desean iniciarse en el mundo de la ciencia de datos.

Un profesional de la Data Science o la Ciencia de Datos, es aquel que se encarga de hacer uso de diferentes herramientas estadísticas e informáticas para la extracción de conclusiones dentro de diferentes disciplinas como las finanzas, el marketing, la industria e incluso tu día a día.

Audiencia:

Directivos, profesionales y emprendedores, que quieran potenciar sus conocimientos de Ciencia de Datos, desde una perspectiva práctica y de negocio con perfiles profesionales o especialistas en áreas funcionales de Operaciones, Marketing, Ventas, Ciencia de Datos e Inteligencia Comercial, responsables de PYMES o emprendedores.

Contenido:
  1. MÓDULO 1: Fundamentos de Python
    1. Fundamentos de Python.
    2. Manejo del notebook Jupyter.
    3. Comandos básicos de Linux.
    4. Tipos de objetos.
    5. Estructuras de control (if, else, while, for).
    6. Manejo de funciones.
    7. Ejecución de proceso python
    8. Manejo de librerías (pandas, pyodbc, plotting)
  2. MÓDULO 2: Estadística Básica
    1. Introducción al lenguaje R
    2. Uso de RStudio
    3. Estadística Descriptiva – casos de negocio
    4. Estadística Inferencial – casos de negocio
  3. MÓDULO 3: Introducción al Machine Learning
    1. Conceptos básicos de Machine Learning
    2. Indicadores principales de modelos
    3. Tipos de modelos: Regresión, clasificación y Clustering
    4. Caso de estudio: Banco Chileno
  4. MÓDULO 4: Cloud Computing (AWS)
    1. Fundamentos y necesidades Cloud
    2. Conociendo el mercado Cloud
    3. Conociendo los servicios y productos de la Nube
    4. Modelos de Entrega (SaaS, IaaS, PaaS)
    5. Devops y contenedores
    6. Desarrollo de flujo de datos en la nube
  5. MÓDULO 5: Fundamentos de BigData
    1. ¿Qué es Big Data / Que no es?
    2. Pipeline Arquitectura Tradicional vs Big Data
    3. Distribuciones Hadoop
    4. Infraestructura OnPremise – Cloud
    5. Fundamentos de Hadoop
    6. Ingesta de Datos con Spark
    7. Procesamiento de datos con Hive / Impala / Spark
    8. Analítica usando la librería MLIB de Spark
  6. MÓDULO 6: Market Analytics
    1. Strategic Alignment and Organisational Transformation
    2. Marketing Intelligence
    3. Digital Analytics for: Financial, Retail, Telco & Consumer Goods Services
    4. New Technologies for Business Intelligence y/o Analytics
  7. MÓDULO 7: Minería de Datos
    1. La Ciencia de Datos con base en la Minería de Datos
    2. El proceso de la Minería de Datos
    3. Tipologías de Técnicas de Minería de Datos
    4. ¿Dónde se puede aplicar la Minería de Datos?
    5. Conociendo la Herramienta Weka
    6. Limpieza y Corrección: Preprocesamiento de Datos I (Atributos)
    7. Limpieza y Corrección: Preprocesamiento de Datos II (Instancias)
    8. Construcción Modelos Predictivos: Clasificación
    9. Medir la Calidad del Modelo Predictivo: Evaluación
Costos:

Este costo incluye: Material de estudio, el uso de una computadora por persona, certificados avalados por Cognos, refrigerios e impuestos de ley