Curso 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.
SENCE
Tipo
Curso
Duración
6 a 8 semanas
Precio
$572.000
$400.400
* Descuentos no acumulables
$400.400
* Descuentos no acumulables
Formas de Pago
- Tarjeta de crédito chilena: Vía Webpay hasta 3 cuotas precio contado
- Tarjeta de crédito internacional: Vía Paypal
Información
Admision UAI Online
Admisión cursos con sence (franquicia tributaria) *
* Solicitamos por favor sólo escribir a uno de los dos correos.
SENCE
Nombre Sence
Aplicación De Herramientas Básicas De Data Science
Código Sence
1238028323
Modalidad
E-Learning Asincrónico
Horas Totales
96
Duración
6 a 8 semanas
Horario Referencial
Lunes a Domingo 09:00 hrs. - 18:00 hrs.
Razón social
Universidad Adolfo Ibáñez
Rut
71.543.200-5
Dirección
Av. Presidente Errázuriz 3485, Las Condes
Contacto
Ritmo
100% asíncrono, inicia cuando quieras, sin horarios, si no alcanzas en la duración puedes solicitar extensión*.
Cada unidad se abre cada 5 días.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
Cada unidad se abre cada 5 días.
*: Restricciones aplican a cursos pagados con franquicia tributaria.
Créditos SCT
4
¿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.
¿Qué aprenderás?
- Unidad 1 - Introducción - Objetivos Específicos:
• Introducir al participante a la ciencia de datos
• Entender que es ciencia de datos
• Conocer sobrela forma, estructura, fuente, origen y tipo de datos
• Entender la secuencia datos, información, conocimiento
• Conocer sobre la calidad de los datosVideos:
• Introducción. Definiciones
• Datos: Forma, Estructura, Fuente, Origen y Tipo
• Dato, Información, Conocimiento
• Calidad de datos
• Instalar R/Python. Primeros pasos
Lecturas Obligatorias:
• Material disponible en la plataforma
Evaluaciones:
• Control - Unidad 2 - Metodologías para desarrollar proyectos de data science. Técnicas - Objetivo Específico:
• Conocer distintas metodologías para desarrollar un proyecto de data science
• Conocer sobre tipos de analítica
• Conocer modelos supervisados y no supervisadosVideos:
• 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
• Laboratorio con R/Python
Lecturas Obligatorias:
• Material disponible en la plataforma
Evaluaciones:
• Control - Unidad 3 - Modelos Predictivos - Objetivo Específico:
• Entender qué es un modelo predictivo
• Diferenciar entre variable target y atributo
• Conocer la diferencia entre modelo de regresión y clasificación
• Definir una muestra de validación y entrenamiento
• Conocer la utilidad de la validación cruzadaVideos:
• Modelos predictivos
• Tipos de modelos predictivos. Tabla de datos: instancia, atributos y variable
target
• Muestra de entrenamiento, validación y test.
• Validación cruzada. Técnicas
Lecturas Obligatorias:
• Material disponible en la plataforma.
Evaluaciones:
• Control. - Unidad 4 - Preprocesamiento y Exploración de Datos. Relación entre Atributos - Objetivo Específico:
• Conocer el preprocesamiento de datos y sus etapas
• Conocer como resumir información
• Conocer cómo medir la relación entre dos atributosideos:
• 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
• Laboratorio con R/Python
Lecturas Obligatorias:
• Material disponible en la plataforma
Evaluaciones:
• Control - Unidad 5 - Modelos de regresión lineal. Parte I - Objetivo Específico:
• Conocer la importancia de la regresión lineal
• Formular un modelo de regresión lineal
• Conocer el método de mínimos cuadrados ordinarios (MCO) y sus supuestos
• Determinar significancia de los atributosVideos:
• Introducción. Definiendo un modelo de regresión lineal
• Modelos de regresión lineal simple y múltiple. Función de pérdida y ECM
• Mínimos cuadrados ordinarios
• Significancia de atributos
• Laboratorio con R/Python
Lecturas Obligatorias:
• Material disponible en la plataforma
Evaluaciones:
• Control - Unidad 6 - Modelos de regresión lineal. Parte II - Objetivo Específico:
• Conocer metodologías para seleccionar variables
• Conocer cómo medir la calidad predictiva del modelo
• Manejar R/Python en caso aplicadoVideos:
• Problemas en el modelo de regresión lineal
• ¿Cómo seleccionar el mejor conjunto de variables?
• Métricas de calidad predictiva
• Presentación de caso
• Laboratorio con R/Python
Lecturas Obligatorias:
• Material disponible en la plataforma
Evaluaciones:
• Control - Unidad 7 - Modelo de regresión logística. Parte I - Objetivo Específico:
• Conocer la regresión logística en problemas de clasificación binaria
• Interpretar resultados
• Determinar atributos significactivos
• Seleccionar atributosVideos:
• Introducción
• Especificando la regresión logística
• Interpretaciones. Atributos significativos. Selección de atributos
• Presentación de caso
• Laboratorio con R/Python
Lecturas Obligatorias:
• Material disponible en la plataforma
Evaluaciones:
• Control - Unidad 8 - Modelo de regresión logística. Parte II - Objetivo Específico:
• Conocer la matriz de confusión y métricas asociadas
• Conocer la curva de ganancia y lift chart y sus usosVideos:
• Matriz de confusión
• Métricas de calidad predictiva
• Métricas de calidad global
• Curva de Ganancia. Lift chart
• Presentación de caso
• Laboratorio con R/Python
Lecturas Obligatorias:
• Material disponible en la plataforma
Evaluaciones:
• Control
Metodología
El curso es 100% online asíncrono, i.e. no hay clases en vivo ni horarios. En la plataforma encontrarás cápsulas con contenido audiovisual, lecturas obligatorias, complementarias, y evaluaciones por cada unidad.
¿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.
Profesores
Información y Postulaciones
Admision UAI Online
[email protected]
Admisión cursos con sence
(franquicia tributaria) *
[email protected]
* Solicitamos por favor sólo escribir a uno de los dos correos.
[email protected]
Admisión cursos con sence
(franquicia tributaria) *
[email protected]
* Solicitamos por favor sólo escribir a uno de los dos correos.