Diplomado en Minería de datos (online)
Diplomado
Online
Descripción
-
Tipología
Diplomado
-
Metodología
Online
-
Horas lectivas
300h
-
Inicio
Fechas disponibles
Se dice que los datos son el nuevo petróleo. Al igual que en la minería tradicional es necesario extraer laboriosamente desde una montaña de áridos el material valioso mediante técnicas sofisticadas y con el uso de herramientas especializadas, los elementos de valor de los datos deben ser también extraídos o minados. La minería de datos o Data Mining es una disciplina que comprende estas técnicas y herramientas, de modo que, aquella montaña de datos que ha sido recopilada en el tiempo pueda ser usada para entender de mejor forma el negocio y construir modelos que permitan hacer predicciones, que pueden ser usadas en las decisiones y las acciones de la empresa.
El Diplomado en Minería de datos se diferencia de otros similares, debido a que no requiere conocimientos previos de programación ni tampoco de estadística, ya que incluye un curso para aprender a programar en Python y un curso de fundamentos de estadística. Además, los otros dos cursos de minería de datos permiten llegar a un nivel de profundidad más alto.
La modalidad del diplomado es 100% en línea y se estructura sobre cuatro cursos que utilizan técnicas metodológicas activas. Gracias a estas últimas, el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual.
Sedes y fechas disponibles
Ubicación
comienzo
comienzo
A tener en cuenta
- Escribir programas simples usando el lenguaje Python.
- Analizar datos de forma exploratoria para explicar la correlación entre variables, aplicando conceptos estadísticos.
- Predecir el comportamiento de una organización, a través de modelos que incorporan algoritmos de aprendizaje de máquina.
- Todas las personas interesadas en adquirir las habilidades para aplicar técnicas de Data Mining a su trabajo.
- Todas las personas que han aprendido lo esencial de Data Mining, pero necesitan profundizar y adquirir fundamentos estadísticos.
Opiniones
Materias
- DOS
- Programación
- Análisis de datos
- Estadística
- E learning
- Fundamentos
- Cursos online
- Funciones
- Modelos
- Minería
Temario
Contenidos:
Introducción a la programación
- - Motivación.
- - Secuencias de comandos en Python.
- - Operaciones básicas.
- - Creación y asignación de variables.
- - Operaciones lógicas.
Control de flujo
- - Control de flujo.
- - Iteración y ciclos.
Tipos de datos y funciones
- - Enteros, decimales, textos y listas.
- - Manejo de strings de caracteres.
- - Definición y uso de funciones.
- - Listas.
Procesamiento de datos
- - Listas de listas.
- - Trabajo con archivos.
- - Procesamiento de datos.
Diccionarios y tuplas
- - Listas y listas de listas.
- - Diccionarios.
- - Aplicaciones con listas y diccionarios.
- - Tuplas como tipo de dato inmutable.
- - Operaciones sobre tuplas.
- - Combinando listas, tuplas y diccionarios.
Funciones
- - Concepto de función.
- - Definición de funciones.
- - Parámetros y valores de retorno.
- - Importación y llamado de módulos.
- - Invocación de funciones y scope.
- - Parámetros con nombre y parámetros por defecto.
- - Funciones recursivas.
- - Aplicación de funciones.
Segundo Curso
- - Introducción al análisis exploratorio de datos.
- - Histogramas y distribuciones.
- - Distribución de probabilidades discretas y continuas.
- - Modelación con distribuciones de probabilidad analíticas (exponencial, normal).
- - Relacionando variables: correlación, covarianza y correlación de Pearson.
- - Correlación no lineal.
- - Testeo de hipótesis.
- - Regresión.
- - Introducción a las series de tiempo.
Tercer Curso
- - Conceptos fundamentales de minería de datos.
- - Preparación de datos y reducción de información.
- - Reglas de asociación.
- - Algoritmos de clasificación.
- - Algoritmos de Clustering y medidas de similaridad.
- - Selección de modelos e introducción a Machine Learning
Cuarto Curso
Introducción general
- - Modelos alternativos de minería de datos.
- - Extensión de los modelos de Machine Learning.
Introducción a Web Mining
- - Web Scraping.
- - Text análisis.
Series de tiempo
- - Aprendizaje reforzado.
- - Introducción.
- - Diferencias con otros modelos de aprendizaje.
- - Agentes.
- - Funcionamiento en base a premios, castigos y fuerza bruta.
- - Q-Learning.
- • Introducción.
- • Ecuación de Bellman.
- • Explorar vs explotar.
Diplomado en Minería de datos (online)