El curso comienza con la problemática de obtención, preparación y limpieza de los datos para luego pasar a las técnicas y algoritmos asociados a la Minería de Datos para la clasificación, clustering, entre otros; y a algoritmos y herramientas de Machine Learning.
Los alumnos aprenden los conceptos fundamentales asociados a Minería de Datos, entendiendo cuáles son las diferentes fuentes de información a utilizar, revisar un pre procesamiento de datos, y posteriormente entender y aplicar las diferentes técnicas de extracción de conocimiento de datos, utilizando reglas de asociación, árboles de decisión, métodos de regresión, algoritmos de clasificación, evaluación de clasificadores y una introducción al aprendizaje de máquina.
El enfoque del curso es de tipo práctico, con oportunidades de aplicar los conocimientos en proyectos y casos concretos. Se entregan herramientas de extracción y análisis de información para que una organización pueda generar valor desde los datos para mejorar su posición competitiva.
La metodología de enseñanza y aprendizaje para este curso online consiste en técnicas metodológicas activas, donde el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el curso.
Dirigido a:
- Profesionales que necesiten extraer conocimiento desde diferentes fuentes de información.
- Interesados en el área de Ciencia de Datos que deseen adquirir habilidades para procurar los datos de entrada al proceso de análisis.
Requisitos de ingreso:
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”, disponible en el siguiente link: https://www.coursera.org/learn/aprendiendo-programar-python
– Curso “Herramientas de programación en Python para procesamiento de datos”, disponible en el siguiente link: https://teleduc.uc.cl/curso/herramientas-programacion-python-procesamiento-datos/
Es deseable contar con algún grado de conocimiento matemático (álgebra lineal, estadística básica y cálculo).
• Preprocesamiento de datos.
• Selección y transformación de datos.
• Árbol de decisión
• KNN
• Random Forest
• Clustering
• K-Means
• Clustering jerárquico
• Modelo de entrenamiento
• Métricas de evaluación
¿Te gusta esta publicación?
Comparte esta publicación
*El profesional debe cumplir con los requisitos de admisión para postular a un curso.
*Beneficios sólo aplican a los programas de Educación Profesional de la Escuela de Ingeniería y excluyen a La Clase Ejecutiva, y a los diplomados articulables con los programas de magíster.