Machine Learning para Business intelligence
Curso
Virtual
¿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
Curso
-
Metodología
Virtual
-
Horas lectivas
27h
Este curso trata las metodologías más famosas de machine learning (aprendizaje de máquinas) y sus aplicaciones orientadas a business intelligence. Se va a cubrir la teoría y el código en Python de cada una de las técnicas estudiadas, entre las cuales se encuentran análisis supervisado, no supervisado, introducción a aprendizaje profundo y, finalmente, desarrollo de aplicaciones para el despliegue de resultados en Dash. Se enfatizará en el análisis de los resultados obtenidos en cada modelo, técnicas tradicionales para mejorar su desempeño y comprensión de supuestos para hacer conclusiones acertadas sobre el negocio en cuestión. Al final de este curso los estudiantes podrán desarrollar proyectos de principio a fin de ciencia de datos, desde la formulación de preguntas, limpieza de datos, modelación, extracción de patrones en los datos, y generación de reportes y creación de simples aplicaciones.
Información importante
Earlybird:
A tener en cuenta
• Enseñar a los conceptos básicos de Machine Learning.
• Familiarizar a los estudiantes con Python y sus paquetes más famosos para la analítica.
• Repasar los tipos de problemas y sus soluciones a partir de Machine Learning
• Familiarizar a los estudiantes con la interpretación de resultados y los supuestos de cada modelo.
• Enseñar la aplicación de los modelos más famosos de Machine Learning en Python.
• Orientar los temas comprendidos en el curso a aplicaciones de BI
El curso está dirigido a personas que deseen desarrollar y aprender habilidades analíticas a partir de modelos de aprendizaje estadístico, en particular los analistas que estén en contacto con los datos de sus organizaciones. Se espera que los estudiantes se familiaricen y mejoren sus habilidades en Python. Se espera que el curso sea tomado por personas en el entorno laboral que deseen generar un impacto positivo en sus organizaciones por medio de generación de valor agregado a partir de técnicas de Machine Learning. Por último, el curso les dará las herramientas necesarias para desarrollar proyectos de ciencia de datos dentro de sus respectivas organizaciones, llegando a crear y responder preguntas que le aporten al futuras acciones y decisiones de sus empresas. Los temas del curso cubren desde la realización de las preguntas interesantes de analítica, pasando por su desarrollo y finalmente el despliegue a través de creación de reportes y aplicaciones.
Visitar web
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 14 años en Emagister.
Materias
- Business Intelligence
- E learning
- Machine learning
- Análisis descriptivo
- Preprocesamiento de datos
Profesores
Juan Sebastián Moreno Pabón
Docente
Economista y Magíster en Economía de la Universidad de los Andes. Se desempeña como profesor magistral del Taller de R en la misma universidad y de Economía Matemática en la Universidad del Rosario. Además, ha servido como profesor complementario para los cursos de Macroeconomía 3, Pensando Problemas y de Econometría y el aprendizaje de máquinas. Trabajó en el Ministerio de Hacienda y Crédito Público en temas de riesgo sobre los pasivos de la nación. Se desempeñó como investigador en el CESED (Centro de Estudios sobre Seguridad y Drogas) de la Universidad de los Andes
Lucas Gómez
Profesor
. ,
Programa académico
Sesión 1: Conceptos estadísticos introductorios a Machine Learning
• Análisis multivariado.
• Análisis descriptivo.
• Álgebra Lineal.
• Probabilidad y estadística.
Sesión 2: Visualización, estructuración y preprocesamiento de datos
• Tipos de datos.
• Tratamiento de datos estructurados y no estructurados.
• Limpieza e imputación de datos.
• Teoría de visualización.
• Tipos de gráficos.
• Matplotlib y Plotly.
Sesión 3: Modelos de regresión y clasificación
• Mínimos cuadrados ordinarios.
• Regresión polinomial.
• Árboles de regresión.
• Métricas de evaluación: R-cuadrado, MSE, MAPE.
• Regresión Logística.
• Linear Discriminant Analysis
• Regularización L1 y L2
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Machine Learning para Business intelligence