Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Diplomado virtual en Ciencia de datos y machine learning Conoce el plan de estudios que nuestros docentes expertos han diseñado para encontrar tu norte para triunfar. Este plan incluye cinco módulos a través de los cuales podrás adquirir las habilidades y conocimientos para impulsar tu carrera profesional. El análisis de datos cobra cada vez más relevancia en los diferentes sectores de la economía. El conocimiento de herramientas para el tratamiento de los datos favorece la comprensión y arreglos necesarios para realizar análisis básicos. En este módulo el estudiante conocerá: - Introducción a Python, notebooks, estructuras de datos, funciones, archivos, Numpy básico, Pandas básico. Herramientas básicas para el análisis de datos M ód ul o 1 Aprendizaje no supervisado es un método de aprendizaje automático donde un modelo se ajusta a las observaciones. Se distingue del aprendizaje supervisado por el hecho de que no hay un conocimiento a priori de la variable de salida. Bajo ese contexto, las temáticas abordar en este módulo corresponde a: - Clustering, reducción de dimensiones, reglas de asociación, detector de anomalías. Aprendizaje automático no supervisado M ód ul o 4 Deep learning es un subconjunto de machine learning donde las redes neuronales, algoritmos inspirados en cómo funciona el cerebro humano, aprenden de grandes cantidades de datos. Este módulo de introducción presenta las nociones en relación a: - Conceptos básicos, redes neuronales, arquitectura y métricas. Introducción a deep learning M ód ul o 5 Como elemento fundamental, posterior al manejo básico de datos, es imprescindible conocer y aplicar métodos que faciliten el correcto tratamiento que permita el análisis de datos. Por ello, en este módulo se atenderán las siguientes temáticas: - Preparación y limpieza de datos, gestión de datos, graficación y visualización, agregación y agrupación, series de tiempo, Pandas avanzado y bibliotecas en Python. Metodología y técnicas para realizar análisis de datos M ód ul o 2 El aprendizaje supervisado es el tipo de algoritmo de machine learning más frecuente. Utiliza un conjunto de datos conocidos (denominado conjunto de datos de entrenamiento) para entrenar un algoritmo con un conjunto de datos de entrada conocidos (denominados características y respuestas conocidas para realizar predicciones. Las aplicaciones del aprendizaje automático supervisado se consideran en los siguientes algoritmos que serán parte del módulo: - Algoritmos de regresión lineal y logística, árboles de decisión, Random Forest, SVM, clasificadores bayesianos. Aprendizaje automático supervisado M ód ul o 3 #TuNorteParaTriunfar ¡Contáctanos! Teléfono: |(57) 302 290 73 63 |(57) 302 290 73 63 Habla con un asesor |admisionesuvirtual@infouvirtual.uninorte.edu.co Correo: WhatsApp: https://wa.link/u75a3t
Compartir