La  ciencia  de  datos  es  una  profesión  o  habilidad   que  las  empresas  están  demandando  cada  vez   más,  especialmente en tiempos de transformación  digital.  Su objetivo principal  es generar  información útil  para  el futuro de una organización. Para ello, combina matemática, programación, estadística y otras disciplinas,  como la minería de datos. Esta última se ha convertido en una herramienta estratégica para encontrar el conocimiento contenido en las inmensas montañas de información con el fin de tomar decisiones mejor fundamentadas   que generen valor empresarial en áreas funcionales como producción, contabilidad, finanzas, marketing, etc.

DIRIGIDO A

Profesionales, estudiantes y personas que deseen adquirir conocimientos en ciencia de datos.

Inversión:

Particulares $2.620.000 
Egresados Universidad Pública $2.170.000 
Estudiantes Universidad Pública y Funcionarios UD  $1.740.000 
DURACIÓN: 120 HORAS

HORARIOS: Lunes, miércoles y viernes de 6:15pm a 9:30pm (POR CONFIRMAR)

LUGAR: Modalidad ONLINE

FECHA DE INICIO:  Mayo 29 de  2024 (Sujeto al pago oportuno de todos los participantes)

FECHA PROYECTADA DE FINALIZACIÓN: Agosto 2024



TEMAS

MÓDULO MODELAMIENTO ESTADÍSTICO

Conceptos básicos de estadística
Tipos de datos
Presentación de datos en graficas
Medidas numéricas descriptivas
Conceptos básicos de probabilidad
Distribuciones de probabilidad


MÓDULO INTRODUCCIÓN A BODEGAS DE DATOS

Introducción
Conceptos de Bodegas de Datos
Metodología de desarrollo
Principios de modelamiento dimensional
Modelamiento dimensional: Tipos de dimensiones
Modelamiento dimensional: Tipos de Fact Tables
Modelamiento físico
Diseño de ETLs


MÓDULO PREPARACIÓN DE DATOS

Introducción
Recopilación e integración
Detección de valores anómalos
Relleno de valores faltantes
Reducción de la dimensionalidad
Transformación de datos (discretización, numeración, normalización)


MÓDULO MINERÍA DE DATOS AVANZADA

Asociación de datos
Fundamentos de reglas de asociación
Reglas de asociación booleanas de dimensión simple
Reglas de asociación multinivel
Reglas de asociación multidimensionales
Análisis de correlación
Reglas de asociación basadas en restricciones

Predicción de datos
Introducción
Árboles de decisión
Métodos bayesianos
Clasificación por programación evolutiva
Redes neuronales artificiales

 Agrupación de datos
Análisis de clustering
Métodos de particionamiento
Métodos jerárquicos
Métodos de densidad
Métodos basados en modelos


MÓDULO  APLICACIÓN DE DATA SCIENCE

Comprensión del negocio
Enfoque analítico
Requisitos de datos
Recopilación de datos
Comprensión de datos
Preparación de datos
Modelado
Evaluación
Implementación
Retroalimentación


Si desea realizar su inscripción por favor diligenciar el formulario.