Propósito general
El principal propósito de este curso es formar a profesionales que quieran introducirse en el mundo de la ciencia de datos y darles las herramientas necesarias que permitan llevar un pequeño proyecto de ciencia de datos y así poder competir el mercado laboral internacional, en un área que se encuentra en crecimiento.
Competencias a desarrollar
Al terminar el curso los asistentes estarán en condiciones de cubrir los aspectos básicos y necesarios para realizar proyectos de ciencia de datos, mediante el uso del software estadístico R; aplicando a nivel básico la programación, usos de paquetes y librerías del Lenguaje R, aplicación de los principios de estadística, machine learning y deep learning. A su vez, también comprenderán los conceptos de: Inteligencia Artificial, Big Data, analítica en la nube y Visualización de Datos.
Estrategias
Durante el curso se usarán materiales de investigación desarrollados con presentaciones interactivas y módulos basados en materiales de variadas fuentes, así como documentales y análisis de hechos reales.
Contenido del curso
MÓDULO I: Introducción a la ciencia de datos
Generalidades
- Datos
- Información
- La pirámide de la sabiduría
- Importancia de los datos en los negocios
- El concepto de data literacy
- La ciencia de datos y el científico de datos
- El data team
- Organizaciones data driven
- Ejemplos de aplicación
- Herramientas del mercado
Introducción a la programación para ciencia de datos
- Algoritmos y modelos
- Tipos de datos, variables
- Metodología para la construcción de programas
- Tipos de instrucciones
- Descripción e instalación de R y RStudio
- Operadores
- Vectores
- Factores
- Listas
- Funciones
- Condiciones y estructuras de repetición (for, while, recursividad)
- Carga de archivos, descargas de paquetes
- Iniciándote en R
Estadística básica para ciencia de datos
- Conceptos básicos de medidas de tendencia central
- Conceptos básicos de medidas de dispersión
- Aplicaciones básicas de la estadísticas en la ciencia de datos
- Implementando la estadística descriptiva en R
Módulo II Organización y modelado de datos
Almacenes y modelos de datos
- DataWarehouse
- DataMart
- Esquema de Estrella
- Copo de Nieve
- Constelación
- Herramientas de ETL
- Calidad de Datos
- Data Cleaning
Visualización de datos
- Tipos de Gráficos
- Primeras visualizaciones en R
- Visualización de datos con paquetes como ggplot2
- Visualización de datos y Data Storytelling
Minería de datos
- Fundamentos generales
- Técnicas de minería de datos
- Ventajas y desventajas de DataMining
- Knowledge Discovery
- Fases del proceso de KDD
- Herramientas de DM
- Ejemplos de aplicación
- Prácticas de algoritmos de Minería de Datos en R
- Conclusiones
Módulo III Analítica avanzada
Machine learning
- Outliers
- ML y tipos de aprendizajes
- Ventajas del ML
- Ejemplos de aprendizaje automático
- Fases de un proyecto de ML
- Usos prácticos y empresas que han aplicado ML
- Aplicación del algoritmo de K – Means en R
- Deep Learning: RNA
- Funcionamiento de las RNA
- ML, Deep Learning e AI, ejemplos de uso, retos y ventajas
- Herramientas de ML y DL
Inteligencia artificial y big data
- Introducción a la Inteligencia Artificial: Su origen y evolución
- Tipos de inteligencia (Stuart Russell y Peter Norvig)
- La inteligencia artificial y el mundo de la robótica
- RPA, riesgos y desafíos de AI
- Ejemplos de ámbitos de aplicación, casos de éxito, GPT – 3.
- Fundamentos del Big Data: Qué es Big Data?
- Las 3 V’ del Big Data
- Las 7 V’ del Big Data
- Ecosistema y Frameworks
- Recomendaciones para la implementación de un proyecto de Big Data
- Analítica en la nube: Fundamentos generales, arquitectura cliente – servidor, qué es cloud?
- Tipos de nube (privada, pública e híbrida)
- Relación entre cloud y big data
- Ventajas del cómputo en la nube
- Proveedores de servicios en la nube
- Riesgos del cloud computing
- SLA
- Tendencias de la analítica en la nube
Plan de evaluación
- Modulo I Presentación en Power Point y exposición interactiva, Quiz interactivo.
- Modulo II Presentación en Power Point y exposición interactiva, Quiz interactivo.
- Modulo III Presentación en Power Point y exposición interactiva, Quiz interactivo.
- Proyecto final.
Facilitador
- Layla Scheli:• Ing. en Sistemas de Información graduada en la Universidad del Centro Educativo Latinoamericano. Es experta en Project Management. Es International Big Data Certifided del Massachusetts Institute of Technology (MIT), tiene un Máster en Big Data y Business Intelligence. de la Escuela de Negocios Europea de Barcelona (ENEB), es especialista en Gerencia de Sistemas y Tecnologías de la Información egresada de la Fundación Libertad y está concluyendo su Maestría en Explotación de Datos y Gestión del Conocimiento en la Universidad Austral. Es docente universitario e instructora de varios cursos relacionados a su campo de estudio. También asesora de manera independiente empresas públicas y privadas.
Duración: 24 horas de sesiones en vivo por internet
El curso se dictará en 10 sesiones de dos horas y media cada sesión bajo la modalidad OnLine (en vivo), tres veces por semanas para un estimado de duración de 3 semanas aproximadamente, en el horario sugerido entre las 6:00 P.M. y las 9:00 P.M. (Hora de Miami)
Inversión
Solicite información dando click aquí
Forma de pago
La forma de pago es a través de los siguientes medios:
- Zelle si tiene cuenta es los Estados Unidos
- Pasarela de pago de Petrobanca si dispone de tarjeta de débito o crédito de aceptación Visa, MasterCard o American Express
- Transferencia bancaria a Petrobanca hacia o dentro de los Estados Unidos
Puntos de contacto
Para cualquier información puede escribir a: mercadeo@petrobanca.com o comunicarse por teléfono o WhatsApp a los números siguientes +5491151024930 /Argentina) / +1 (786) 537-0705 (USA) donde será atendido o referido al representante de ventas de su país.
