Data Science For Business - Live

ÁREA DE CONCENTRACIÓN 1: CIENCIA DE DATOS EN LAS ORGANIZACIONES

ONBOARDING A LA CIENCIA DE DATOS
Comprenderás los términos utilizados al negociar proyectos de ciencia de datos.
1. Definición de ciencia de datos
2. Analitica descritiva, predictiva y prescriptiva
3. Disciplinas relacionadas con ciencia de datos
4. Herramientas para ciencia de datos
5. Problemas de negocio y soluciones basadas en ciencia de datos
6. Metodología para ciencia de datos
7. Caso de estudio en industria del entretenimiento

APLICACIÓN DE LA CIENCIA DE DATOS EN LA ORGANIZACIÓN
Identificarás aplicaciones de la ciencia de datos en las organizaciones para resolver problemas del negocio.
1. Proceso de adopción: cultura basada en datos
2. El valor que aporta la ciencia de datos en las organizaciones
3. Definiendo un caso de uso
4. Casos de uso retail

PIPELINE DE CIENCIA DE DATOS
Podrás aplicar las diversas metodologías que se requieren durante el proceso de un proyecto de ciencia de datos, con énfasis en la ingeniería de datos y la implementación del producto de datos en ambientes operativos.
1. Metodologías
• Ciencia de Datos (CRISP y TDSP)
• Framework de madurez en ciencia de datos (Domino)
• Framework de gobernanza de datos (DAMA)
• Agile (Scrum y DataOps)
• Ciclo de vida del producto
2. Data wrangling
3. Stack tecnológico para ciencia de datos
4. Operacionalización de los proyectos de ciencia de datos

ÁREA DE CONCENTRACIÓN 2: HERRAMIENTAS DE CIENCIA DE DATOS

ESTADÍSTICA PARA LA CIENCIA DE DATOS
Aprenderás a interpretar el resultado del método estadístico en el análisis predictivo de los datos.
1. Definición del problema para el análisis predictivo
2. Explora tus datos: estadística descriptiva
3. Distribución normal
4. ¿Cómo medir las relaciones entre variables?
5. Validación estadística del modelo

INTRODUCCIÓN A MACHINE LEARNING
Conocerás los diferentes tipos de modelos de machine learning para seleccionar el que mejor se adapte a la empresa y brinde la respuesta a un problema del negocio.
1. Reconocer el rol de los datos en los modelos machine learning
2. Tipos de modelos de machine learning
3. Interpretación de los modelos de machine learning
4. Evaluación de los modelos de machine learning
5. Uso práctico de los modelos de machine learning

MACHINE LEARNING CON PYTHON
Obtendrás los conocimientos necesarios para evaluar las metodologías y experiencias de la aplicación de la ciencia de datos y machine learning en una organización a través de Python como herramienta tecnológica.
1. Infraestructura empresarial analítica
2. Data operations
3. Environment de una herramienta de ML
4. Resolviendo un problema de ciencia de datos con una herramienta de machine learning
5. Caso de uso en ciencias de datos

ÁREA DE CONCENTRACIÓN 3: APLICACIÓN DE UN PROYECTO DE CIENCIAS DE DATOS

VISUALIZACIÓN Y DATA STORYTELLING
Aprenderás la metodología data storytelling con la que podrás explicar un análisis de datos mediante la utilización de una buena historia permitiendo “vender” tus ideas, conceptos e invitar a la acción.
1. Introducción al análisis y visualización de datos (dataviz)
2. Diferentes tipos de visualización
3. Dashboard efectivos
4. Mejores prácticas para contar una historia con datos
5. Caso de uso aplicando data storytelling

DEFINIR UNA ESTRATEGIA DE CIENCIA DE DATOS
Adquirirás las herramientas requeridas para identificar qué estrategias de las organizaciones pueden basarse en la ciencia de datos para definir acciones específicas y alcanzar los objetivos planteados.
1. Empezar local, pensar global:
• Lean analytics
• Mínimo producto viable en ciencia de datos
2. Estrategias de un centro de excelencia
3. Definir una estrategia ágil
• Ciclo ágil en proyectos de data analytics
• Pruebas de concepto como estrategias
4. Caso de éxito IoT