Modulos_Ciencia

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