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
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.