Introducción a la Ciencia de Datos

Transformación Digital, Ingeniería de Datos y TIC´S
Remoto
Inicia el 07 de octubre de 2024
28 horas

Inversión	$ 750.000
Horarios	Lunes y miércoles 6:00pm A 8:00pm
duración	12 semanas
intensidad	28 horas
Facultad	Escuela de Ingeniería, Ciencia y Tecnología
CONTENIDO DEL PROGRAMA

Objetivo

Obtener un panorama general de los procesos por los que deben pasar los datos para poder extraer de ellos intuición y conocimiento de valor.

Dirigido a

Jóvenes o adultos (15 años en adelante) interesados en incursionar en la cultura de la inteligencia artificial. Personas con habilidades básicas en razonamiento cuantitativo. Estudiantes de bachillerato o universitarios o profesionales en cualquier área del conocimiento sin experiencia en áreas de ciencia o tecnología.

Conocer el proceso de preparación de los datos para que puedan ser analizados.
Extraer intuiciones de los datos a partir del análisis exploratorio básico de los mismos y de sus representaciones visuales.
Entender técnicas para representar los datos mediante un modelo estadístico o un modelo de Machine Learning.

Introducción:

Se introduce a los cuadernos de Jupyter, Python y su integración. Son herramientas clave en el análisis de datos y programación, útiles para la exploración, visualización y creación de informes. Son esenciales para aquellos interesados en inteligencia artificial, aprendizaje automático y automatización de procesos.

Inspección de datos:

La inspección consiste en la revisión y análisis de los datos para identificar patrones, errores o inconsistencias. Estas técnicas son útiles en diferentes campos, como la investigación científica, el análisis de negocios y la toma de decisiones. En términos de aplicaciones, la inspección de datos es esencial para la toma de decisiones informadas basadas en los datos disponibles.

Limpieza de datos:

En el análisis de datos, la limpieza manual y programática es importante para eliminar datos irrelevantes y errores. El orden y la identificación de datos ausentes y atípicos son cruciales para obtener resultados precisos. Estas técnicas son esenciales en la investigación científica y análisis de negocios.

Visualización de datos:

La visualización permite identificar patrones, tendencias y relaciones entre los datos. La visualización 1D implica la representación gráfica de datos en una dimensión, como en un histograma o un diagrama de barras. La visualización 2D implica la representación gráfica de datos en dos dimensiones, como en un diagrama de dispersión o un mapa de calor. Estas técnicas son esenciales en el análisis de datos y se utilizan en diferentes campos, como la investigación científica, la toma de decisiones empresariales y la presentación de informes.

Extracción de insights:

Extraer intuiciones de los datos implica el uso de técnicas de análisis para identificar relaciones, patrones, sacar conclusiones y responder preguntas acerca de los datos. Estas intuiciones pueden utilizarse para tomar decisiones informadas y mejorar los procesos empresariales. Así mismo, son esenciales en el análisis de negocios, el marketing y la investigación científica.

Regresión lineal:

Modelar los datos mediante una función lineal implica encontrar una línea que se ajuste mejor a los datos para predecir los valores futuros. Esta técnica es comúnmente utilizada en el análisis de negocios y la investigación científica para predecir resultados y tomar decisiones informadas. También es la base de modelos más complejos utilizados en el análisis de datos, como la regresión lineal múltiple y la regresión logística.