CURSOS ONLINE, CON MENTORES EXPERTOS

Nuestros cursos son totalmente en línea, pero no son como los cursos en línea que usted ha visto. No estará viendo videos aburridos y tomando exámenes; aprenderá haciendo, con la ayuda de mentores expertos que siempre están disponibles para proporcionar consejos significativos y comentarios sobre su trabajo.

El programa Data Analytics / Big Data Certificate está diseñado por las universidades: Carnegie Mellon, Northwsetern y Yale.

El programa esta diseñado para personas que se enfocan en la toma de decisiones basadas en datos. El estudiante aprenderá como analizar datos estructurados y no estructurados, interpretar esos resultados para extraer valor, comunicarlos a los tomadores de decisiones y otras audiencias no técnicas.

Los estudiantes aprenderán esas técnicas dentro de un marco de valor y actuando en roles, presentando proyectos de situaciones reales con un mentor experimentado como guía. Los mentores no dan clases, sino que ayudan a los estudiantes a aprender y desarrollar habilidades que son relevantes para el trabajo que están realizando. Los mentores brindan comentarios en profundidad sobre los proyectos de los estudiantes y hacen recomendaciones para mejorar el proceso y estimulan el crecimiento adicional de los estudiantes.

Los estudiantes usaran herramientas poderosas de analítica de datos mientras que perfeccionan las habilidades blandas como identificar los tipos de problemas que la analítica de datos puede resolver y que sean presentados efectivamente a las partes interesadas. Todo el material esta en idioma ingles y las sesiones e informes se realizarán en idioma español.

Adicionalmente, aprenderá y practicará las habilidades cognitivas esenciales para el éxito en todas las áreas de Data Analytics / Big Data. Éstos incluyen:

  • Dominio de una amplia gama de habilidades para trabajar.
  • Experiencia de proyecto integral en problemas del mundo real.
  • Un portafolio de trabajos de calidad profesional.
  • Un certificado de finalización.

CURSOS

  • Análisis de datos: entendiendo a los clientes. ( 6 ECTS )
  • Análisis de datos: predicción de la rentabilidad y preferencias del cliente. ( 6 ECTS )
  • Analítica profunda y visualización. ( 6 ECTS )
  • Big Data: minería web. ( 6 ECTS )

Nota: 1 ECT es igual a 25 horas

CURSO 1: ANÁLISIS DE DATOS: ENTENDIENDO A LOS CLIENTES

Que hará en el curso

  • Utilizará herramientas de minería de datos para investigar patrones en conjuntos de datos complejos.
  • Pre procesará datos para minería de datos, por ejemplo: transformará valores numéricos a valores nominales, descretizará datos, manejará datos inexistentes).
  • Entenderá e identificará datos paramétricos y no paramétricos.
  • Usará algoritmos de árboles de decisión para contestar preguntas que involucran datos nominales.
  • Usará algoritmos de regresión para investigar problemas que involucran datos numéricos continuos.
  • Visualizará datos e identificará tipos de distribuciones de datos.
  • Aplicará validación cruzada y creará modelos predictivos.
  • Interpretará y esbozará inferencias de los resultados de la minería de datos.
  • Valorará el rendimiento predictivo de los modelos de aprendizaje automático por medio de métricas de error claves.
  • Identificará cuando los modelos fallan u obtienen puntos de vista con los porqués dentro de un análisis de errores.
  • Esbozará relaciones entre el rendimiento y las características medidas de un modelo de aprendizaje automático para ayudar a entender el rendimiento de un modelo.
  • Investigará y dirigirá los problemas relacionados con la colinearidad y sobre ajuste.
  • Identificará y entenderá la reducción de dimensiones.
  • Preparará y presentará los resultados de minería de datos a las partes interesadas sin perfil técnico.

CURSO 2: ANÁLISIS DE DATOS: PREDICIENDO LAS PREFERENCIAS DE LOS CLIENTES

Que hará en el curso

  • Explorará patrones en los datos para crear modelos para predecir nuevos, por ejemplo: predecir preferencia por una marca para los clientes online).
  • Ejecutará análisis de similaridad para recomendar productos usando reglas de asociación.
  • Creará consultas SQL para extraer datos de una base de datos existente.
  • Profundarizará la experiencia con árboles de decisión para predecir las preferencias por una marca.
  • Utilizará clasificadores como Nearest Neighbor y Support Vector Machines.
  • Ejecutará análisis de clasificación.
  • Usará market-basket análisis y reglas de asociación para inferir relaciones entre productos.
  • Aplicará métodos de validación cruzada.
  • Evaluará el rendimiento predictivo de los clasificadores examinando métricas de error claves.
  • Optimizará el rendimiento inicial de un clasificador ajustando sus parámetros.
  • Interpretará las salidas de un clasificador y usará esa interpretación para seleccionar entre diferentes clasificadores basado en sus características de rendimiento.
  • Pre procesará los datos para la minería de datos, por ejemplo: aplicar filtros, tratar con datos perdidos.
  • Implementará ingeniería de características para mejorar el rendimiento de un modelo.
  • Aplicará minería de datos en ecommerce, por ejemplo: segmentación de clientes, estrategia de recomendación.
  • Presentará los resultados de minería de datos a la gerencia.

CURSO 3: ANALÍTICA PROFUNDA Y VISUALIZACIÓN

Que hará en el curso

  • Explorará patrones en los datos para crear modelos para predecir nuevos, por ejemplo: predecir preferencia por una marca para los clientes online).
  • Ejecutará análisis de similaridad para recomendar productos usando reglas de asociación.
  • Creará consultas SQL para extraer datos de una base de datos existente.
  • Profundarizará la experiencia con árboles de decisión para predecir las preferencias por una marca.
  • Utilizará clasificadores como Nearest Neighbor y Support Vector Machines.
  • Ejecutará análisis de clasificación.
  • Usará market-basket análisis y reglas de asociación para inferir relaciones entre productos.
  • Aplicará métodos de validación cruzada.
  • Evaluará el rendimiento predictivo de los clasificadores examinando métricas de error claves.
  • Optimizará el rendimiento inicial de un clasificador ajustando sus parámetros.
  • Interpretará las salidas de un clasificador y usará esa interpretación para seleccionar entre diferentes clasificadores basado en sus características de rendimiento.
  • Pre procesará los datos para la minería de datos, por ejemplo: aplicar filtros, tratar con datos perdidos.
  • Implementará ingeniería de características para mejorar el rendimiento de un modelo.
  • Aplicará minería de datos en ecommerce, por ejemplo: segmentación de clientes, estrategia de recomendación.
  • Presentará los resultados de minería de datos a la gerencia.

CURSO 4: BIG DATA: MINERÍA WEB

Que hará en el curso

  • Explorará patrones en los datos para crear modelos para predecir nuevos, por ejemplo: predecir preferencia por una marca para los clientes online).
  • Ejecutará análisis de similaridad para recomendar productos usando reglas de asociación.
  • Creará consultas SQL para extraer datos de una base de datos existente.
  • Profundarizará la experiencia con árboles de decisión para predecir las preferencias por una marca.
  • Utilizará clasificadores como Nearest Neighbor y Support Vector Machines.
  • Ejecutará análisis de clasificación.
  • Usará market-basket análisis y reglas de asociación para inferir relaciones entre productos.
  • Aplicará métodos de validación cruzada.
  • Evaluará el rendimiento predictivo de los clasificadores examinando métricas de error claves.
  • Optimizará el rendimiento inicial de un clasificador ajustando sus parámetros.
  • Interpretará las salidas de un clasificador y usará esa interpretación para seleccionar entre diferentes clasificadores basado en sus características de rendimiento.
  • Pre procesará los datos para la minería de datos, por ejemplo: aplicar filtros, tratar con datos perdidos.
  • Implementará ingeniería de características para mejorar el rendimiento de un modelo.
  • Aplicará minería de datos en ecommerce, por ejemplo: segmentación de clientes, estrategia de recomendación.
  • Presentará los resultados de minería de datos a la gerencia.

HABILIDADES QUE ADQUIRIRÁ

Al finalizar el programa de análisis de datos / Big Data, los estudiantes podrán:

  • Identificar los tipos de problemas de negocios para los cuales el análisis de datos puede proporcionar información significativa para apoyar la toma de decisiones de negocios.
  • Traducir los objetivos de negocio en oportunidades de minería de datos.
  • Instalar, ejecutar y aplicar herramientas estadísticas de aprendizaje automático a diferentes tipos de datos.
  • Aplicar la minería de datos en el comercio electrónico, volviéndose ampliamente competentes en el uso de las técnicas estadísticas de aprendizaje automático, como la clasificación y la regresión.
  • Adquirir, procesar y analizar conjuntos de datos extremadamente grandes utilizando métodos de minería de datos basados ​​en la nube para realizar la exploración de datos, descubrir patrones y responder preguntas comerciales.
  • Visualizar datos para reconocer posibles patrones.
  • Interpretar los resultados del análisis de datos para hacer predicciones y establecer la confiabilidad de esas predicciones.
  • Comunicar los resultados de la minería de datos a la gerencia y otras audiencias no técnicas.

HERRAMIENTAS

El conjunto de herramientas está en constante evolución para adaptarse a los cambios en la industria. Actualmente las herramientas utilizadas son las siguientes:

  • Paquete de aprendizaje automático de WEKA.
  • R Lenguaje de programación estadística y una gama de paquetes de análisis de R.
  • Servicios Web de Amazon Elastic Map Reduce.

PRE REQUISITOS

  • Al menos un año de experiencia laboral.
  • Conocimiento en Windows, Mac, Linux.
  • Conocimientos básicos en estadística.

PROGRAMA IMPARTIDO EN:

  • Español, con material en inglés
  • Inglés