Fundamentos de Analítica de Datos (Asignatura de la Especialización en Big Data).
Detalles.
- Curso presencial
- Lugar: Sede EIA Zúñiga
- Duración: 48 horas
Visión general.
En la era digital, los datos son el recurso más valioso. En este curso, aprenderás los fundamentos del análisis de datos, desde la recopilación y limpieza de datos, hasta el análisis exploratorio y la toma de decisiones basadas en datos.
Descubrirás cómo utilizar herramientas y técnicas de vanguardia para extraer conocimientos accionables y obtener una ventaja competitiva.
¿Por qué tomar este programa?.
La producción industrial a nivel internacional está sufriendo una transformación rápida y profunda, lo que se manifiesta en tiempos desarrollo de productos especialmente cortos, de acuerdo con las necesidades tanto de los mercados como de los consumidores. Esto ha traído consigo un manejo considerable de datos para lo cual se requiere técnicas que permitan la identificación de características y variables que son determinantes para lograr y entender la información que se requiere para lo toma de decisiones.
Objetivo.
Mejorar la toma de decisiones de las organizaciones mediante la utilización de técnicas, herramientas y modelos basados en la minería de datos mediante la transformación y procesamiento de grandes bases de datos en información.
Metodología.
Teórica – Práctica
Se desarrollan clases teórico-prácticas donde se refuerzan los conceptos con la implementación y realización práctica.
Durante el curso, los estudiantes realizan trabajos prácticos en forma individual y presentar los resultados en forma oral o escrita al profesor y a sus compañeros, haciendo uso de herramientas tecnológicas adecuadas con la naturaleza del curso.
Público objetivo.
Estudiantes, profesionales, coordinadores y/o directivos empresariales, empleados que tengan bajo su responsabilidad la toma de decisiones; público en general y personas interesadas en los aprendizajes sobre la Analítica de datos.
Prerequisitos.
Analítica de datos en diferentes escenarios de la vida profesional
Plan de estudios.
Conceptos, técnicas, herramientas y modelos de la minería de datos y su aplicación en diferentes áreas del conocimiento.
- Orígenes de la Minería de Datos.
- Estadística e Inteligencia Artificial.
- KDD: Knowledge Database Discovery.
- Problemas poco estructurados.
- Crecimiento exponencial de los datos y sus fuentes.
- Conceptos para la selección conceptual de modelos de minería de datos.
Análisis y caracterización de los datos en términos de su estructura.
- Principales estructuras de datos.
- Importancia de los metadatos.
- Preprocesamiento de los datos, filtraje, sampling, caracterización, reducción de dimensionalidad.
- Análisis estadístico de los datos y su representación (unidimensional, bidimensional, multidimensional).
Desarrollo de modelos para la agrupación y asociación de datos en términos de sus características más relevantes.
- Métodos descriptivos: clustering estadístico, métodos de participaciones, métodos jerárquicos, clasificación basada en reglas.
- Métodos asociativos: reglas de asociación, métodos factoriales, redes bayesianas.
Aplicación de modelos para el pronóstico y clasificación de datos dependientes del tiempo.
- Métodos predictivos: regresión lineal, máquinas de vector soporte, series temporales.
- Métodos discriminantes: árboles de decisión, máquinas de vector soporte simples y logísticas.