Qué está incluido
- 100 Lecturas
- 78 recursos descargables
- Acceso en tableta y teléfono
- Certificado de finalización
Lo que aprenderás
- Conocer los conceptos y definiciones más importantes en Ciencia de Datos.
- Utilizar software especializado para la recolección, limpieza y transformación de datos.
- Conocer los fundamentos de métodos estadísticos y algoritmos de aprendizaje automático para la predicción y clasificación de datos.
- Presentar resultados de manera comprensible para diversas audiencias.
- Abordar problemas reales utilizando modelos y algoritmos de ciencia de datos.
Evaluación Inicial
Introducción
Introducción del tema
Ciencia de datos
Obtención de datos
Almacenamiento y gestión
Gobierno de datos y calidad de datos
Preparación y monitoreo
Manual de Instalación de R y Python
Tutorial Ry Phyton
Archivado, retención y eliminación de datos
Manual del tema
Conclusiones
Evaluación intermedia | Módulo 1
Introducción
Estadística para la ciencia de datos (Presentación)
Fundamentos de la estadística descriptiva
Estadística inferencial y pruebas de hipótesis
Técnicas de muestreo en estadística
Introducción a la estadística descriptiva
Estadística inferencial y pruebas de hipótesis
Práctica 2 (video 1)
Práctica 2 (video 2)
Manual: Estadística para la Ciencia de Datos
Conclusiones
Evaluación intermedia | Módulo 2
Introducción
Introducción a metodologías de modelado supervisado (presentación)
Fundamentos del aprendizaje supervisado
Preparación y procesamiento de datos
Algoritmos de clasificación
Algoritmos de regresión
Evaluación de modelos
Optimización de modelos
Evaluación de modelos (Lectura)
Optimización de modelos (Lectura)
Manual 3: Introducción a Metodologías de Modelado Supervisado
Conclusiones
Examen Intermedio | Módulo 3
Introducción
Introducción a metodologías de modelado no supervisado (presentación)
Fundamentos del aprendizaje no supervisado
Técnicas de agrupamiento (clustering)
Reducción de dimensionalidad
Detección de anomalías
Reglas de asociación
Modelos de mezcla gaussiana
Visualización de datos multidimensionales
Aplicaciones prácticas y casos de estudio
Técnicas de agrupamiento (Lectura)
Reducción de dimensiones (Lectura)
Detección anomalías (Lectura)
Mezclas Gaussianas (Lectura)
Visualización de datos multivariados (Lectura)
Caso práctico 4
Manual: Introducción a metodologías de modelado no supervisado
Conclusiones
Examen Intermedio | Módulo 4
Introducción
Introducción a metodología de motores de recomendación (Presentación)
Fundamentos de los sistemas de recomendación
Filtrado colaborativo
Sistemas basados en contenido
Sistemas híbridos
Técnicas avanzadas de recomendación
Evaluación de sistemas de recomendación
Personalización y diversidad
Escalabilidad y rendimiento
Ética y privacidad en sistemas de recomendación
Informe: Sistemas de recomendación (Lectura)
Filtrado colaborativo (Lectura)
Técnicas avanzadas de recomendación (Lectura)
Caso práctico 5
Manual: Introducción a metodología de motores de recomendación
Conclusiones
Examen Intermedio | Módulo 5
Introducción
Metodologías de pruebas de estabilidad y generalidad de modelos (Presentación)
Fundamentos de estabilidad y Técnicas de validación cruzada
Análisis de sensibilidad y robustez
Pruebas de generalización / Detección y mitigación de sobreajuste
Evaluación de la estabilidad temporal / Pruebas de equidad y sesgo
Interpretabilidad y explicabilidad
Estimación de incertidumbre / Diseño de experimentos para pruebas de estabilidad
Herramientas y frameworks para pruebas de estabilidad
Análisis de sensibilidad y robustez (Lectura)
Pruebas de generalización
Detección y mitigación de sobreajuste
Pruebas de equidad y sesgo
Evaluación de la estabilidad temporal
Manual: Metodologías de pruebas de estabilidad y generalidad de modelos
Conclusiones
Examen Intermedio | Módulo 6
Introducción
Storytelling con Datos (Presentación)
Introducción al Storytelling con datos
Análisis y selección de datos
Técnicas de visualización de datos
Comunicación efectiva de historias con datos
Proyecto final
Análisis y selección de datos (Lectura)
Construcción de la narrativa
Caso práctico 7
Manual Storytelling con Datos
Conclusiones
Examen Intermedio | Módulo 7
Video de Despedida
Evaluación Final
Conclusiones del curso
Descripción
El curso de Ciencia de Datos es crucial en un mundo impulsado por la información, donde la capacidad de analizar y extraer insights de grandes volúmenes de datos se ha convertido en una ventaja competitiva clave. A través de este curso, los participantes adquieren las habilidades necesarias para transformar datos en decisiones estratégicas, mejorando procesos, identificando oportunidades de negocio y resolviendo problemas complejos en diversas industrias. La ciencia de datos no solo es fundamental para el desarrollo tecnológico, sino también para la innovación y el crecimiento en el entorno empresarial actual.