Introducción al Data Science - Online
La ciencia de datos juega un rol en el apoyo de las estrategias de los responsables a la hora de fundamentar las decisiones de negocios. Suma este conocimiento a tus competencias profesionales.
Duración
8 semanas
Ritmo
Estudia a tu ritmo
Tipo
Curso
Créditos SCT
4
Formas de Pago
Precio
$446,400
Informacíon
¿En qué consiste el programa?
Los datos impulsan todo lo que hacemos, saber gestionarlos y extraer insights relevantes es la clave para el éxito del negocio. La ciencia de datos es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de los datos en sus diferentes formas, ya sea estructurados o no estructurados. La ciencia de datos juega un rol en el apoyo de las estrategias de los responsables a la hora de fundamentar las decisiones de negocios, es decir, la ciencia de datos permite conseguir los objetivos empresariales, a partir del análisis de datos.
¿A quién va dirigido?
Este curso está dirigido a todo profesional que busca conocer, comprender y aplicar técnicas de ciencia de datos como soporte a la toma de decisiones.
¿Qué aprenderás?
- Contenidos del CursoIntroducción. ¿Qué es data science?
Datos: Forma, Estructura, Fuente, Origen y Tipo
Dato, Información, Conocimiento
Calidad de datos
Datos: Forma, Estructura, Fuente, Origen y Tipo
Dato, Información, Conocimiento
Calidad de datos
Instalar R/Python. Primeros pasos
Metodologías: KDD y CRISP-DM
Tipos de Analítica de Datos
Modelos supervisados y no supervisados
La ciencia de datos en el ciclo de vida del cliente
En qué consiste el preprocesamiento de datos
Etapas del preprocesamiento de datos
Medidas de resumen: Centralización, Dispersión, Posición y Forma
Medir relación entre dos variables. Visualización
Introducción. Definiendo un modelo de regresión lineal
Modelos de regresión lineal simple y múltiple. Función de pérdida y ECM
Mínimos cuadrados ordinarios
Problemas en el modelo de regresión lineal
Especificando la regresión logística
Interpretaciones. Atributos significativos. Selección de atributos
Matriz de confusión. Punto de corte
Métricas de calidad predictiva de la matriz de confusión
Métricas de calidad predicitva global. Curva ROC y AUC, K-S
Curva de ganancia. Lift chart. Usos
Profesores
También te puede interesar
Comprende sobre la gestión y el análisis de la información de clientes para incrementar la eficacia comercial
En tiempos donde el procesamiento de la información tiene cada vez más relevancia, adquiere los conocimientos para poder ejecutar automatizaciones de manera correcta.
Importa datos a R desde distintas fuentes, manipula y transforma esta información de distintas formas para hacer análisis descriptivos y visualizar campos de interés.