calendar correo curso diplomado horas lugar in-company magister magisteres programa-avanzado quotes reloj telefono contacto contacto grad video
Search
Coincidencias exactas
Buscar por
Seleccionar todos
Magisters
Diplomados
Cursos
Profesores
Noticias
Páginas

Minería de Datos e Introducción a Deep Learning

Aprende a extraer conocimiento relevante desde las bases de datos a través de herramientas de Minería de Datos y Deep Learning.

Antecedentes Generales

Curso Cerrado
Próximamente
Por confirmar
30 horas cronológicas - 40 horas pedagógicas
$555.556.- (Convenio Marco 1630529)
programas@ing.puc.cl
+56 2 2354 4516

El objetivo de este curso es proporcionar al alumno elementos que le permitan entender las principales teorías y prácticas de la emergente área de minería de datos.

Dirigido a:

Este es un curso cerrado dirigido a profesionales de la Subdirección Técnica y el Departamento de Metodologías e Innovación Estadística del Instituto Nacional de Estadísticas.

Contenidos del Programa

– Elementos conceptuales.
– Data Warehouse y OLAP.
– Big Data: grandes volúmenes de datos, no-estructurados, variados.
– Tipos de modelos.
– Forma o workflow de desarrollo de modelos. KDD.

– Captura y obtención de grandes datos.
– Tecnologías de gestión de grandes volúmenes de datos.
– Análisis de datasets desbalanceados, incompletos, outliers.
– Transformación, normalización, limpieza.
– Reducción dimensional, análisis de componentes principales (PCA).
– Técnicas de integración.

– Modelos de predicción. Algoritmo a priori.
– Modelos de clasificación supervisada. SVM, árboles de decisión, redes neuronales, Naive Bayes.
– Modelos de clasificación no-supervisada. Clustering particional, K-Means, eans-Shift, HDBScan. Medida de similaridad entre elementos.
– Modelos de regresión. Regresión: lineal, polinomial, logística.

– Workflow de evaluación. Hold out, Cross validatio, distribution drift, refinamiento de hiper-parámetros.
– Métricas de evaluación. Accuracy, precision, recall, RMSE.

– Definiciones esenciales.
– Uso de Deep Learning para NLP. Word Embedding, redes neuronales convolucionales, redes neuronales recurrentes.

Nota: El orden de los cursos dependerá de la programación que realice la Dirección Académica

Cuerpo Académico

Descargar Brochure
X