Diplomado en Análisis de Datos y Machine Learning

Objetivos:

Capacitación en Minería de Datos y Estadísticas:

• Comprender los conceptos fundamentales de la minería de datos y las técnicas utilizadas para extraer información valiosa de grandes conjuntos de datos.
• Adquirir habilidades en estadísticas aplicadas, incluyendo análisis descriptivo e inferencia estadística.

Dominio de Python para Ciencia de Datos:

• Aprender a programar en Python y utilizar bibliotecas como Pandas, NumPy y Matplotlib.
• Realizar análisis de datos y manipulación de información utilizando Python.

Habilidades en Visualización de Datos:

• Crear informes interactivos y visualizaciones
• Integrar datos de diferentes fuentes y presentarlos de manera

Preparación para el Mercado Laboral:

• Obtener habilidades relevantes para trabajos en análisis de datos, ciencia de datos o roles relacionados.
• Aumentar tu empleabilidad y oportunidades

Aplicación Práctica:

• Aplicar los conocimientos adquiridos en proyectos reales y casos de estudio.
• Desarrollar soluciones prácticas utilizando herramientas como Python y Power BI.

MÓDULO I: Análisis y Modelamiento de Modelo de Datos de los Negocios.

• Estadísticas básicas.
• Estadística
• Estadística
• Introducción a los conceptos de Probabilidad
• Inferencia estadística y análisis exploratorio de datos.

MÓDULO II: Databases & SQL (16 Horas Académicas)

• Principales bases de datos y el lenguaje SQL, aprendizaje de las últimas técnicas de almacenaje, manipulación y extracción de datos en BBDD.

MÓDULO III: Python for beginners (16 Horas Academica)

• Aprenderás conocimientos de programación en Python, los entornos en los que se usan y sus principales librerías.
• Fundamentos de   Python:   Variables,   estructuras   de control, funciones, etc.
• Bibliotecas de Ciencia de Datos: Pandas, NumPy, Matplotlib,
• Manipulación y análisis de datos con

MÓDULO IV: Machine Learning e Inteligencia Artificial (16 Horas Académicas)

• Conceptos básicos de las técnicas y herramientas del aprendizaje automático y los fundamentos de las redes neuronales.
• Introduction a Machine Learning e IA
• Introducción a Sistemas de recomendación
• Preporcesamiento
• Regresión Lineal
• Regresion logística
• Agrupamiento (Clustering)
• Series Temporales

MÓDULO V: Final Project (16 Horas Académicas)

• Desarrollo de un proyecto final para poner en práctica con un caso real los conocimientos adquiridos durante del Diplomado.