Escuela de Estadística

 

facebook

  • Certificación Open or Close

    La Universidad del Valle otorga un certificado de aprobación a quienes asistan al 80% de las sesiones programadas y aprueben los trabajos programados en los módulos del curso.

  • Inscripciones Open or Close
  • Costos y Formas de Pago Open or Close

    La inscripción al Diplomado en Ciencia de Datos - Data Mining tiene un costo de $3.200.000 (Tres millones doscientos mil de pesos Mcte.)

    Descuentos para Instituciones Públicas o Privadas:

    • Por 5 inscripciones o más se dará un descuento del 7% sobre el valor de la tarifa a pagar por cada inscripción.

     Formas de Pago: 


     I. CONSIGNACIÓN O DEPÓSITO BANCARIO EN CUENTA CORRIENTE DE LA UNIVERSIDAD DEL VALLE EN EL BANCO DE BOGOTÁ. 

    Por favor, consigne el valor de la inscripción en cualquier oficina del Banco de Bogotá en Colombia. Llene el formato SISTEMA NACIONAL DE RECAUDOS - BANCO DE BOGOTA CONVENIO UNIVALLE con la siguiente información:

    CUENTA CORRIENTE No: 48449487-7

    Referencia 1: 226414562

    Referencia 2: Número de la Cédula de Ciudadanía o Número de identificación personal. Si es una empresa, el NIT.

    ***Ver ejemplo


    II. PAGOS EN LINEA PSE.   

    Para las personas que tengan cuenta débito o de ahorros, pueden hacer el pago en linea; a la cuenta corriente del banco de Bogotá No. 486509623.

    Se solicita por favor registrar la información detallada, Numero de Cedula o Nit de la empresa, el concepto del pago o nombre del curso, valor a pagar, nombre completo, Dependencia - Estadística, y numero de teléfono del inscrito.

    Por favor, remítanos una copia del comprobante de su transacción del pago de la inscripción a este correo electrónico: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

     


     III. TRANSFERENCIA ELECTRÓNICA:

    Cuenta corriente del banco de Bogotá No. 48421073-7 Recaudos electrónicos Univalle.


     Notas importantes sobre el pago de su inscripción!!!

     

  • Lugar Open or Close
    • Escuela de Estadística
    • Edificio 357
    • Sala Pino 1009
    • Facultad de Ingeniería
    • Universidad del Valle
    • Calle 13 N° 100-00
    • Campus Meléndez. Cali, Colombia

     {loadmodule mod_wrapper,Lugar Diplomado Data Mining}

  • Horario Open or Close

    Fecha de Inicio: Septiembre 21 de 2017*

    Intensidad: 145 horas 

    * Esta fecha está sujeta a la inscripción del Cupo Mínimo para dar inicio al Diplomado. 

    Horario:

    Jueves y Viernes de 5:30 p.m. a 9:30 p.m.

    Sábado de 7:00 a.m. a 1:30 p.m. 

    • En las semanas del 9 al 15 de Octubre y del 23 al 28 de Octubre, el Diplomado se realizará de Lunes a Sábado: Lunes a Viernes de 5:30 a 9:30 p.m. y Sábados de 7:00 a.m. a 1:30 p.m.
    • En la Semana del 16 al 22 de Octubre, el Diplomado se realizará los días Martes, Miércoles, y Jueves, de 5:30 pm.m a 9:30 p.m
    • En el mes de Noviembre, habrá clases los días: Jueves 2, Viernes 3, de 5:30 a 9:30 pm, Sábado 4 de Noviembre de 7 am a 1:30 pm y la siguiente semana, Jueves 9, Viernes 10 y Sábado 11 de Noviembre, día en que termina el diplomado.
  • Profesores Open or Close

    Eduardo Poggi

    Licenciado en Ciencias de la Computación, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, Argentina. Magister en Administración y Políticas Públicas y Especialización en Negocios y Tecnología, Universidad de San Andrés, Buenos Aires, Argentina.

    En el ámbito académico acredita más de 20 años de docencia en pregrado y posgrado, en diferentes universidades de Latinoamérica en temas de Tecnología de la Información, Aprendizaje Automático y Ciencias de Datos. También cuenta con más de 10 años de docencia virtual en temas como Interoperabilidad, Gobierno Abierto y Open Data para la OEA y otras organizaciones.

    En el ámbito profesional cuenta con más de 30 años de experiencia en consultoría internacional en tecnología orientada al sector público latinoamericano. Últimamente se ha especializado en gestión de tecnología pública, particularmente Interoperabilidad y Datos Abiertos. Actualmente se desempeña como asesor en TI para la Aduana de Argentina, docente de posgrado y consultor internacional.

    Elkin Castaño Vélez

    Estadístico, Universidad de Medellín. MSc. en Estadística, Universidad Nacional de Colombia, sede Medellín.   Profesor Asociado, Universidad Nacional de Colombia.  Profesor Titular, Universidad de Antioquia.  Director del Grupo de Investigación  en Econometría Aplicada GEA, Universidad Nacional Medellín-Universidad de Antioquia. Miembro del grupo de investigación en Series de Tiempo, Universidad Nacional Bogotá.  

    Con más de  30  años de experiencia en  consultoría en estadística y econometría.

    El Profesor Elkin Castaño Vélez ha recibido los siguientes reconocimientos: 

    • Premio Universidad de Antioquia a la mejor investigación, Universidad De Antioquia, 1993   
    • Premio a la excelencia en docencia, Universidad de Antioquia, 1993   
    •  Premio al trabajo académico, Universidad de Medellín,  1992   
    • Condecoración Alberto León Betancourt, Universidad del Valle, Octubre de 2015  

    Andrés Mauricio Castillo Robles

    Ingeniero de Sistemas, Magister y Doctor en Ingeniería de Sistemas y Computación de la Universidad Nacional de Colombia sede Bogotá. Ha trabajado en el área de química computacional, en el análisis de datos químicos, en particular de espectroscopía de Resonancia Magnética Nuclear mediante técnicas de minería de datos. Ha realizado más de 2 años de pasantías en la Ecole Polytechnique Fédérale de Lausanne en Suiza en temas de desarrollo de software libre, sistemas de información para datos químicos y su posterior análisis por medio de sistemas expertos y de aprendizaje supervisado y no supervisado. Actualmente es profesor de tiempo completo de la Escuela de Ingeniería de Sistemas y Computación de la Universidad del Valle, en las áreas de bases de datos y minería de datos.   

    Oswaldo Solarte Pabón

    Ingeniero de Sistemas con Maestría en Ingeniería, énfasis en Sistemas y Computación, Universidad del Valle, Cali, Colombia. Profesor de la Escuela de Ingeniería de Sistemas y Computación, Universidad del Valle, Cali, Colombia. Profesional con experiencia en investigación en áreas de bases de datos, minería de datos, inteligencia artificial, modelos para representación y análisis de información. Experiencia en elaboración, ejecución y dirección en diversos proyectos de investigación y desarrollo de tecnologías de información.

     Camilo Alberto Herrera Rozo

    Estadístico, Universidad del Valle, Cali, Colombia, Sp. Data Science y Sp. Executive Data Science, MSc. Candidate en Biometría, Universidad de Buenos Aires, Argentina. Gestor de Métricas y Niveles de Servicio para Indra en (Epsa-Celsia). Consultor Externo de Carvajal Tecnología y Servicios, Meteocolombia y RS Reliable, Argentina.

     

     

     

  • Contenido Open or Close

    Modulo 1. Nivelación en Estadística (presencial)

    • Análisis exploratorio de datos.

    Duración: 8 horas

    Modulo 2. Nivelación en Algoritmos (presencial)

    • Conceptos básicos de algoritmos.
    •  Conceptos básicos de scripting. 
    • Conceptos básicos de SQL. 
    • Búsqueda en Grafos.
    • Conceptos básicos de complejidad computacional.

    Duración: 15 horas.

    Modulo 3. Introducción a la Gestión de Datos (presencial)

    • Introducción a BI. 
    • Análisis de casos.
    • Data Warehousing. 
    • Arquitecturas de persistencia masiva de datos. 
    • Diseño conceptual, lógico y físico. 
    • El modelo multidimensional: Estrella, Snowflake y Constellation. Slowly Changing Dimensions. 
    • Diseño físico. OLAP y OLTP.
    • Lenguajes de consulta: MDX básico y avanzado. Entornos avanzados para OLAP. Conceptos básicos de Extract, TransformLoad (ETL).

    Duración: 20 horas

    Módulo 4.  Análisis Inteligente de Datos (presencial)

    1. Regresión lineal

    • Regresión lineal simple
    • Regresión lineal múltiple
    • Predictores Cualitativos
    • Extensiones del Modelo Lineal
    • Problemas potenciales
    • Laboratorio: Regresión lineal

    2. Clasificación

    • Una visión general de la clasificación
    • ¿Por qué no la regresión lineal?
    • Regresión Logística
    • Análisis Discriminante Lineal
    • Análisis Discrecional Cuadrático
    • Laboratorio: Regresión Logística, LDA, QDA,

    3. Reducción y Agrupamiento

    • Análisis de componentes principales
    • Usos de los componentes principales
    • Métodos de agrupamiento (Clustering)
    • Laboratorio 1: Análisis de componentes principales
    • Laboratorio 2: Clustering

    Duración: 37 horas 

    Modulo 5. Introducción al Aprendizaje Automático (presencial)

    • Gestión de datos en 2020. Introducción al Aprendizaje Automático. 
    • La inducción como método de inferencia, generalización y adquisición de conceptos. 
    • Inducción de árboles de decisión. Sobreajuste y poda. 
    • Tratamiento de valores faltantes y discretización de valores numéricos. 
    • Métodos de predicción basados en probabilidades. 
    • Métodos de predicción basados en medidas de similitud. 
    • Lineamientos metodológicos del Aprendizaje Automático como base algorítmica de la Minería de Datos.

    Duración: 25 horas

    Modulo 6. Técnicas de Aprendizaje Automático (presencial)

    • IBL y distancia. Agrupamiento.
    • Introducción al Text Mining. 
    • Métodos de ensamble y meta algoritmos.
    • Análisis de casos. Metodología de trabajo.

    Duración: 20 horas 

    Modulo 7. Desarrollo de Trabajo Final Integrador (presencial/virtual)

    Duración: 20 horas

  • Metodología Open or Close

    El Diplomado tendrá una duración de 145 horas y se desarrollará en seis módulos presenciales y un modelo presencial-virtual.

    La metodología diseñada para el logro de los objetivos del Diplomado en Ciencia Datos: Data Mining, está centrada en las siguientes actividades:

    • Clases magistrales para explicar los conceptos.
    • Ejemplos de aplicación usando el software R.
    • Lecturas previas y análisis con ejercicios de problemáticas y complejidades particulares, usando software Weka y MOA (Massive Online Analysis).
    • Desarrollo de un trabajo final integrador de metodologías de Data Mining y Estadísticas.
  • Objetivos Open or Close

    Presentar a los participantes los conceptos Estadísticos y de Data Mining que les permitan descubrir patrones y relaciones en los grandes volúmenes de datos y analizar estadísticamente dicha información.

  • Dirigido a Open or Close

    Todos los profesionales que tengan interés en el aprendizaje de metodologías para la exploración y análisis de grandes volúmenes de datos.

  • Presentación Open or Close

    Con los nuevos desarrollos tecnológicos para la captura y almacenamiento de datos se han venido acumulando grandes bases de datos en las organizaciones. Aunque nuestra capacidad de captar y almacenar información ha crecido en los últimos años, nuestra capacidad de utilizar esta información, procesarla y hacerla útil no se ha incrementado de la misma forma.

    El Data Mining ( Minería de Datos) se presenta en la actualidad como una nueva alternativa, que permite explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto, con el fin de que puedan usarse para predecir comportamientos futuros, transformando los datos en conocimiento proactivo, para la toma de decisiones de empresas públicas y privadas, científicos, universidades, entre otros.

    En este contexto y dada la importancia que estas nuevas técnicas presentan en el análisis de la información, la Escuela de Estadística con el apoyo de la Escuela de Ingeniería de Sistemas y Computación de la Universidad del Valle, ofrece el Diplomado en Ciencia de Datos: Data Mining orientado a esta temática.