Contenido
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