Machine Learning para Business intelligence (Grupo 2)

Universidad de los Andes - Facultad de economía

Curso

En Bogotá, D.C.

$ 2.167.000 IVA inc.

Llama al centro

3324495

¿Necesitas un coach de formación?

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

Los mejores cursos de Administración de empresas - Más temáticas

Ver todos

Ver todos

Descripción

  • Tipología

    Curso

  • Nivel

    Nivel intermedio

  • Lugar

    Bogotá, d.c.

  • Horas lectivas

    27h

  • Duración

    Flexible

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.

Sedes y fechas disponibles

Ubicación

Inicio

Bogotá, D.C. (Bogotá)
Ver mapa

Inicio

Consultar

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.

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • Business Intelligence
  • Python
  • E learning
  • ANALISIS
  • Multivariado
  • Análisis descriptivo
  • Álgebra lineal
  • Estadística
  • Probabilidad
  • Visualización
  • Preprocesamiento

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
Sesión 4 y 5: Modelos de Clasificación
  • K-Vecinos más cercanos.
  • SVM.
  • Árboles de clasificación.
  • Random Forest.
  • Boosting de árboles.
  • Métricas de evaluación: curva ROC, exactitud, precisión, sensibilidad, puntaje F1.
Sesión 6: Análisis no supervisado
  • Técnicas de reducción de dimensionalidad (PCA, MCA, …).
  • Detección de anomalías (Mixturas Gaussianas, One-class SVM, Isolation trees).
  • Reglas de asociación.
  • Análisis de clústeres.
Sesión 7: Minería de texto
  • Procesamiento de textos.
  • Expresiones regulares (regex).
  • Análisis descriptivo de textos.
  • Matriz término-documentos
  • Modelos de tópicos (Latent Dirichlet Allocation).
  • Análisis de sentimiento.
  • Modelos de clasificación a partir de textos.
Sesión 8: Introducción a Deep Learning
  • Introducción a Redes Neuronales.
  • Algoritmo de Backpropagation.
  • Optimizadores (Gradiente descendiente y estocástico, Adam, …).
  • Redes Convolucionales.
  • Redes Recurrentes.
Sesión 9: DASH
  • Creación de aplicaciones interactivas y despliegue de lo visto en el curso en Python.

Información adicional

Inversión:

$ 1.970.000 hasta el 11 de marzo de 2020

Categorías relacionadas

Llama al centro

3324495

¿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 (Grupo 2)

$ 2.167.000 IVA inc.

Los mejores cursos de Administración de empresas - Más temáticas

Ver todos

Ver todos