Empieza tu carrera en ciencia de datos. Entiende el proceso para desarrollar proyectos basados en datos, primordialmente de ciencia de datos, a partir de la formulación del problema hasta la evaluación e interpretación de los modelos, utilizando herramientas e idiomas de un científico de datos.
Hacer uso de la estadística bivariada para hacer estudio para validar premisa que sean importantes para la organización.
Edificar modelos predictivos con datos accesibles mediante herramientas de aprendizaje automático fundamentadas en el lenguaje de programación Python
Entender y utilizar técnicas para explorar, cambiar e integrar fuentes de datos estructuradas y no estructuradas
Detectar los puntos primordiales de los proyectos de ciencia de datos y la metodología ASUM-DM para proyectos de ciencia de datos
Las capacidades que obtendrás
- Validar premisa
- Utilizar técnicas para explorar cambiar e integrar fuentes de datos tanto estructuradas como no estructuradas
- Desarrollar modelos de categorización
- Desarrollar modelos de regresión
- Investigación de oportunidades analíticas de comercio y la metodología a llevar a cabo en esta clase de proyectos
- validar las primeras premisas de comercio por medio del uso de estadística detallada y exploratoria; estadística bivariada y ANOVA
- detectar los puntos primordiales de los proyectos de ciencia de datos
- funcionamiento de librerías fundamentadas en Python para el aprendizaje automático en el ambiente Jupyter Notebook
- trabajo de una metodología para el desarrollo de proyectos basados en datos
- Desarrollo de modelos de regresión y categorización para la exploración de información
- Detectar y resolver inconvenientes en los datos involucrados con su calidad
- Ejercer técnicas para explorar cambiar e integrar fuentes de datos estructuradas y no estructuradas
Este curso forma parte de un Programa Especializado
Este programa de ciencia de datos te permite aprender y desarrollar las principales habilidades técnicas para contribuir como miembro de un equipo en un proyecto de ciencia de datos.
Estas habilidades son cada vez más buscadas por el mercado y es por eso que nuestros temas incluyen conocimientos básicos en modelos descriptivos basados en estadísticas, modelos predictivos basados en aprendizaje automático y técnicas para integrar, explorar y preparar datos, tanto estructurados como no estructurados. , utilizando el lenguaje de programación Python y las bibliotecas de manipulación y análisis de datos.
Puedes acceder directo al programa especializado con el botón de aquí abajo.
Curso 1 – Introducción a la ciencia de datos aplicada
Este curso es una primera inmersión en el mundo de la ciencia de datos, en el que el alumno comprenderá los fundamentos de la ciencia de datos, las características de un científico de datos, las herramientas que utiliza, la metodología que debe seguir para este estilo de proyecto, y será capaz de aplicar técnicas estadísticas para la construcción e interpretación de modelos analíticos descriptivos.
El curso consta de 4 módulos, cada uno de una semana, en los que al final hay una lección dedicada al desarrollo del proyecto del curso.
Este curso está diseñado para personas de diferentes disciplinas que quieran incursionar en el mundo de la ciencia de datos, que estén iniciando estudios universitarios o con carreras técnicas o tecnológicas, así mismo, se recomienda tener una formación de conocimientos básicos en probabilidad y estadística.
El aspirante a tomar este curso puede provenir de cualquier campo del conocimiento, ya sea gobierno, industria, consultoría, academia, etc.
Para el desarrollo de este curso es necesario instalar un programa especial (Anaconda – Jupyter Notebook) para poder realizar análisis de datos a través del lenguaje de programación Python, se recomienda que el equipo cuente con más de 4GB de memoria RAM y espacio en disco duro mayor de 1 GB.
Curso 2 – Modelos predictivos con aprendizaje automático
Este curso te proporcionará conocimientos, tanto teóricos como prácticos, para que puedas construir modelos predictivos utilizando técnicas de aprendizaje automático.
Estos modelos nos permiten anticiparnos en cierta medida a eventos futuros y, en consecuencia, pueden ser utilizados para apoyar la toma de decisiones en las organizaciones y, en general, en cualquier dominio de aplicación.
El curso consta de 4 módulos, cada uno de una semana, en los que tendrás la oportunidad de conocer y analizar diferentes casos de estudio con el objetivo de tener una visión amplia de las aplicaciones de los modelos predictivos.
Este curso está diseñado para personas de diferentes disciplinas que quieran adentrarse en el mundo del aprendizaje automático y sus aplicaciones en el análisis de la información, que estén iniciando estudios universitarios o con un título profesional.
El aspirante a tomar este curso puede provenir de cualquier campo del conocimiento y estar incorporado en cualquier ámbito industrial, empresarial o académico.
Este curso requiere la instalación de un programa especial (Anaconda/Jupyter Notebook). Se recomienda que la computadora tenga más de 4 GB de RAM y más de 1 GB de espacio en el disco duro.
Curso 3 – Integración y preparación de datos
La gestión de datos que permita generar conocimiento útil para una organización es cada vez más importante en los trabajos de alta demanda de la actualidad.
Es así como este curso presenta al estudiante una metodología para el desarrollo de proyectos basados en datos, especialmente en Data Science. Enfatiza los procesos de exploración, transformación e integración de fuentes de datos estructurados y no estructurados para mejorar la eficiencia y calidad de los resultados de análisis posteriores, como los basados en modelos analíticos.
El alumno tendrá a su disposición diferentes tutoriales con ejemplos en contextos cercanos a la realidad para comprender mejor los conceptos desarrollados en el curso y practicar su aprendizaje con el punto de extensión propuesto en cada tutorial.
De igual manera, contará con videos, lecturas ilustradas y sugerencias de lectura para profundizar en temas de interés. Creemos que esto le permitirá al estudiante fortalecer sus conocimientos poniendo en práctica lo aprendido.
