CIENCIA DE DATOS
Curso para jóvenes y adultos mayores de 18 años
50 horas
5 semanas
10 horas semanales
Edad 18 años en adelante
Este curso virtual está diseñado para adentrarse en el campo de la Ciencia de Datos, sin requerir conocimientos previos en el área. Mediante una metodología didáctica y práctica, los participantes aprenderán los fundamentos teóricos y técnicos necesarios para abordar problemas complejos de análisis de datos.
El curso se divide en cuatro unidades, que cubren temas clave como la introducción a la Ciencia de Datos, la recolección y limpieza de datos, el análisis exploratorio y modelado de datos, y la implementación de algoritmos de aprendizaje automático.
Contenido
- Definición y alcance de la Ciencia de Datos.
- Aplicaciones y casos de uso de la Ciencia de Datos en diferentes industrias.
- Proceso de la Ciencia de Datos: desde la formulación de preguntas hasta la obtención de insights.
- Herramientas y tecnologías utilizadas en la Ciencia de Datos.
- Ética y consideraciones legales en la Ciencia de Datos.
- Fuentes de datos y su relevancia en la Ciencia de Datos.
- Técnicas de recolección de datos: scraping web, API, bases de datos, etc.
- Procesamiento y limpieza de datos: manejo de valores faltantes, eliminación de outliers, normalización de datos, etc.
- Integración y transformación de datos para análisis y modelado.
- Herramientas y técnicas para la recolección y limpieza de datos.
- Análisis exploratorio de datos: visualización, estadísticas descriptivas, identificación de patrones.
- Selección y transformación de características relevantes para el modelado.
- Algoritmos de aprendizaje automático supervisados y no supervisados.
- Evaluación de modelos y selección de los más adecuados.
- Interpretación de los resultados del análisis y modelado de datos.
- Implementación de modelos de aprendizaje automático utilizando bibliotecas y lenguajes de programación.
- Evaluación de modelos: métricas de rendimiento, validación cruzada, matriz de confusión.
- Optimización de modelos: ajuste de hiperparámetros, selección de características.
- Técnicas avanzadas de aprendizaje automático: ensamblaje de modelos, aprendizaje profundo, procesamiento de lenguaje natural.
- Aplicaciones de la Ciencia de Datos en diferentes industrias: casos de estudio y ejemplos prácticos.
