Aplicaciones de Machine Learning y ciencia de datos (online)
¡Aprende técnicas y herramientas asociadas a la ciencia de datos y el aprendizaje de máquina y descubre las oportunidades de aplicación en diversos ámbitos de negocios y de la sociedad!
Este curso forma parte del del Diplomado en Big Data y Machine Learning y el Diplomado en Inteligencia de negocios y Cloud Computing.
Antecedentes Generales
-
Fecha de inicio
26 de noviembre
-
Modalidad
-
Horas
75 horas totales (35 horas directas y 40 horas indirectas)
-
Valor
$550.000 en Chile / USD 612 resto del mundo ¡Consulta por descuento!
-
Tutor de apoyo permanente
-
1 clase sincrónica
-
3 cuestionarios de selección múltiple
-
3 proyectos aplicados
-
Material multimedia y de apoyo
Las técnicas asociadas a la ciencia de datos y al aprendizaje de máquina, a veces englobadas bajo el paraguas de la inteligencia artificial, han adquirido gran notoriedad en los últimos años. Esto se debe principalmente a que han comenzado a surgir aplicaciones espectaculares en diversos ámbitos de negocios y de la sociedad.
El presente curso está diseñado para abordar las temáticas asociadas a la ciencia de datos y el machine learning desde la perspectiva de sus aplicaciones en el mundo de los negocios y otros sectores. El curso inicia con una revisión de las técnicas básicas, para luego avanzar rápidamente a examinar aplicaciones interesantes, apreciar las oportunidades y comprender sus dificultades y limitaciones. Los alumnos aprenderán a utilizar técnicas y herramientas de aprendizaje supervisado y no supervisado para el descubrimiento de asociaciones, correlaciones o dependencias que pueden ser importantes en la toma de decisiones.
La metodología de enseñanza y aprendizaje para este curso en línea se basa en técnicas metodológicas activas, permitiendo que el participante interactúe con sus pares y el profesor-tutor a través de los recursos tecnológicos proporcionados por la plataforma educativa virtual destinada para el curso.
Profesionales que necesiten entender el ámbito de aplicación, oportunidades y desafíos del nuevo mundo que abre la inteligencia artificial.
Interesados en el área de Ciencia de Datos y Machine Learning más desde la perspectiva aplicada, que de los algoritmos o sus bases matemáticas.
Analizar las oportunidades de aplicación que la ciencia de datos y el aprendizaje de máquina ofrecen, así como los principales desafíos y limitaciones que existen en la actualidad.
Se recomienda contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python.
– Si desea evaluar su nivel, puede realizar una prueba opcional gratuita en este link: https://www.hackerrank.com/prueba-python. Se recomienda iniciar los test en orden, ya que van creciendo en dificultad. Los dos últimos tienen un nivel superior al requerido para ingresar al diplomado, y han sido instalados allí sólo como desafío. Si uno de los test falló, se recomienda revisar y ejercitar esos contenidos antes del inicio del programa.
A continuación, ponemos a su disposición algunos cursos optativos por si desea prepararse previamente al inicio del programa:
• MOOC Introducción a la Programación en Python I: Aprendiendo a programar con Python.
• Curso Herramientas de programación en Python para procesamiento de datos.
Contenidos del Programa
Al final del curso podrás:
– Identificar los principales conceptos y técnicas asociados a Machine Learning y ciencia de datos.
– Reconocer la importancia y los principales desafíos de los datos en el contexto actual.
– Asociar las diversas técnicas con oportunidades de aplicación en los negocios.
– Examinar las dificultades y oportunidades en la aplicación de técnicas de ciencia de datos y aprendizaje de máquina.
Contenidos:
Introducción al aprendizaje de máquinas y ciencia de datos
– Conceptos de inteligencia de negocios y minería de datos.
– Conceptos de ciencia de datos y aprendizaje de máquina.
– El auge actual del aprendizaje de máquina e inteligencia artificial.
Tipos de datos y aplicaciones
– Aplicaciones sobre: transacciones estructuradas, texto, audio y video.
Técnicas de ciencia de datos y aprendizaje de máquina
– Visualización en ciencia de datos.
– Aprendizaje supervisado, no supervisado y reforzado.
Aplicaciones en los negocios
– Aplicaciones de visualización en ciencia de datos.
– Aplicaciones de aprendizaje supervisado, no supervisado y reforzado.
Casos de ciencia de datos
– Casos en: compañía de seguros, banca, retail y calidad del aire.
Casos de aprendizaje de máquina
– Casos en: transporte público, compras públicas, industria financiera y observación astronómica.
Cuerpo Docente
Jefe de Programa
Jaime Navón Cohen
Profesor Asociado del Departamento de Ciencia de la Computación UC
Patricio Cofré
Profesor y especialista en Inteligencia y Análisis de Negocios. Cofundador de Metric Arts
