Diplomado en Herramientas de Minería de Datos para Analítica Empresarial, versión en línea

5.0
1 opinión
  • Esta universidad me fascina, comprendo que es un lugar fantástico y recomendable para todos los/as estudiantes. Creo que uno de los aspectos en que se destaca corresponde a la comodidad de su edificio y la buena atención del personal.
    |

Diplomado

En línea

más de $ 70000

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Descripción

  • Tipología

    Diplomados

  • Metodología

    En línea

  • Duración

    6 Meses

El objetivo del diplomado es que los participantes adquieran las herramientas, técnicas, habilidades y conocimientos para elaborar modelos de analítica enfocados al ámbito empresarial. Se analizan los modelos supervisados y los no supervisados, así como las técnicas de transformación de datos. Para el caso de los clasificadores, se realizan posprocesos a partir de la puntuación. Se determina la puntuación de corte para los casos en que existan utilidades y costos asociados a la decisión. Se utiliza Python como herramienta de procesamiento de datos y formación de modelos, además de herramientas de software abierto o gratuito con Python como soporte general. Se usa Weka por su versatilidad y facilidad para desarrollo rápido de prototipos y modelos. Se contempla la puesta en producción en Python y Weka y se analiza R como alternativa.

Acerca de este curso

Llenar solicitud de inscripción en línea y adjuntar una identificación oficial vigente (CURP, INE, IFE o pasaporte).

Muchas gracias por tu interés en nuestro programa. Recibirás a la brevedad información más detallada vía correo electrónico.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

5.0
  • Esta universidad me fascina, comprendo que es un lugar fantástico y recomendable para todos los/as estudiantes. Creo que uno de los aspectos en que se destaca corresponde a la comodidad de su edificio y la buena atención del personal.
    |
100%
4.7
excelente

Valoración del curso

Lo recomiendan

Valoración del Centro

Petra V

5.0
15/10/2022
Sobre el curso: Esta universidad me fascina, comprendo que es un lugar fantástico y recomendable para todos los/as estudiantes. Creo que uno de los aspectos en que se destaca corresponde a la comodidad de su edificio y la buena atención del personal.
¿Recomendarías este curso?:
*Todas las opiniones recolectadas por Emagister & iAgora han sido verificadas

Logros de este Centro

2020
2017

Todos los cursos están actualizados

La valoración media es superior a 3,7

Más de 50 reseñas en los últimos 12 meses

Este centro lleva 17 años en Emagister.

Materias

  • Procesamiento GENERAL DE DATOS
  • Herramientas
  • MODELOS SUPERVISADOS
  • MODELOS NO SUPERVISADOS
  • Transformación de datos
  • Procesamiento
  • ANALISIS DE TEXTO
  • Herramientas EN LA NUBE
  • KNN
  • NumPy
  • Python

Profesores

Mtro. Rafael Gamboa

Mtro. Rafael Gamboa

Coordinador

Desde 1983, es profesor de tiempo completo en el Departamento Académico de Computación de la División de Ingenierías del ITAM. Sus áreas de interés son las plataformas distribuidas, la integración de aplicaciones, los lenguajes de programación, el análisis de datos, la conformación de repositorios consolidados de datos, la extracción de información de grandes volúmenes de datos y su incorporación en aplicaciones de índole transaccional y para soporte a la toma de decisiones.

Programa académico

MÓDULO 1
HERRAMIENTAS DE PROCESAMIENTO GENERAL DE DATOS

Objetivo
Se proporcionará a los participantes las herramientas básicas de programación para el tratamiento detallado de datos y para manejar arreglos, series y tramas de datos en Python. Con ello se establecerá una plataforma general para la adquisición y procesamiento de datos. Se analizarán los métodos generales para procesar tablas por medio de tramas de datos en pandas.

Temario
1. Programación en Python, datos, colecciones y su procesamiento. Iteraciones explícitas e implícitas
2. Numpy, pandas, seaborn y matplotlib
3. Estructura del dataframe. Índices y columnas
4. Importación y exportación de datos. Codificación
5. Métodos de consolidación de información. Limpieza y transformación de datos
6. Selección de registros. Funciones lambda. Mutación de valores. Concatenación y fusión. Agrupamientos y tablas pivote
7. Visualización de datos
8. Herramientas de raspado web
9. Herramientas para el análisis exploratorio de datos. Ejecución de R y Python en RStudio
10.Generación de documentos con el resultado de las ejecuciones. RMarkdown

MÓDULO 2
MODELOS SUPERVISADOS

Objetivo
Los participantes comprenderán los fundamentos, hipótesis y finalidad de los métodos supervisados, la manera en que se establecen los objetivos de negocio en términos de la variable objetivo y las métricas que se utilizan para evaluar la bondad de ajuste de los modelos desarrollados. En los clasificadores, se analizará el comportamiento de la calificación de pertenencia del caso a cada una de las clases y su impacto en términos de negocio

Temario
1. Introducción a la minería de datos. Modelos supervisados y modelos no supervisados
2. Clasificadores. Entropía e información. Información ganada
3. Métricas de bondad de ajuste. Característica operativa del receptor y curva de recuperación de precisión. Concepto de calificación de corte
4. Submuestras de entrenamiento y de prueba. Validación cruzada
5. Bayesiano ingenuo
6. Árboles de clasificación y regresión
7. Regresión logística
8. Máquinas de soporte vectorial
9. Redes neuronales como clasificadores
10.Algoritmos K de vecinos próximos como clasificadores
11.Sobrecarga y compensación
12.Predictores. Objetivo
13.Modelos lineales. Correlación lineal
14.Regresión lineal. Medidas de bondad de ajuste
15.Modelos no lineales. Redes neuronales como predictores
16.Árboles para regresión
17.Algoritmos K de vecinos próximos como predictores
18.Series de tiempo: modelos AR, MA y ARIMA

MÓDULO 3
MODELOS NO SUPERVISADOS Y TRANSFORMACIÓN DE DATOS

Objetivo
Los participantes conocerán los fundamentos y objetivos de los modelos de asociación y la manera en que se derivan y usan las reglas de asociación. Se analizarán las métricas aplicables a estos modelos y sus implicaciones para el negocio. Se revisarán las principales técnicas para elaborar modelos de agrupamiento y se examinarán los criterios para formar el número adecuado de grupos. Los participantes aprenderán a analizar con ayuda de los clasificadores el contenido de los grupos resultado de un agrupamiento dado y determinarán el impacto en el negocio.

Temario
1. Definición, motivación y panorama del aprendizaje no supervisado
2. Modelos de asociación: a priori, Eclat, FPGrowth
3. Modelado y descripción de grafos
4. Minería e interpretación de grafos
5. Agrupamiento: dendrogramas y método de Ward
6. Agrupamiento: K de vecinos próximos y DBSCAN. Métricas
7. Reducción de dimensionalidad: análisis de los principales componentes
8. Reducción de dimensionalidad: incrustación de vecinos estocásticos distribuidos en t
9. Reducción de dimensionalidad: proyecciones
10.Mapas autoorganizativos
11.Detección de anomalías
12.Redes neuronales no supervisadas (autosupervisadas).

MÓDULO 4
PROCESAMIENTO Y ANÁLISIS DE TEXTO

Objetivo
Se examinarán los problemas que surgen al elaborar modelos para tratamiento de texto. Se configurarán procesamientos para extraer la información para el análisis de textos y se utilizará esta información con los modelos supervisados y no supervisados vistos en los módulos previos. Los participantes comprenderán la finalidad del análisis de texto en función de sus objetivos.

Temario
1. Captura de datos en páginas web
2. Captura de tweets
3. Corpus. Proceso general de detección de asociación de términos. Medidas de relevancia
4. Matriz de documentos y términos. Búsqueda de narrativas
5. Expresiones regulares para las narrativas
6. Variables indicadoras de narrativas para clasificadores, predictores, asociaciones o conglomerados. Puesta en producción de detección de narrativas en textos
7. Herramientas disponibles para lenguaje hablado. Explotación de datos para chabots
8. Bolsa de palabras. Frecuencia de término y frecuencia inversa de documento
9. N-gramas
10.Incrustaciones
11. Análisis de sentimientos


MÓDUO 5
SISTEMAS DE RECOMENDACIÓN. USO DE HERRAMIENTAS EN LA NUBE

Objetivo
Los participantes entenderán la importancia de estudiar los sistemas de recomendaciones, pues constituyen una de las herramientas comerciales más importantes de la actualidad, y aprenderán a elaborar los modelos correspondientes

Temario
1. Sistemas de recomendaciones
2. Análisis de “clientes” y su comportamiento
3. Conformación de agrupamientos y asociación de “ítems”
4. Procesamiento en flujo
5. Ejemplos en R para proceso de datos
6. Bibliotecas equivalentes para modelos supervisados y no supervisados
7. Procesamiento de matrices dispersas
8. Datos en la nube y herramientas en nube
9. Prácticas con herramientas en nube para elaboración de modelos
10.Avance y presentación del proyecto

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.

Diplomado en Herramientas de Minería de Datos para Analítica Empresarial, versión en línea

más de $ 70000