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

Modelamiento estadístico y sistemas recomendadores (online)

Aprende a modelar y a utilizar sistemas recomendadores que permitan apoyar decisiones de alto impacto en la gestión de tu organización.

Versión disponible a todo Chile y la región. Este curso es parte del Diplomado en Big Data para la toma de decisiones.

Antecedentes Generales

Próximamente
Curso
8 semanas

Modalidad:

Online
75 horas cronológicas / 35 horas directas
$520.000 en Chile / USD 650 resto del mundo ¡Consulta por descuento!
3 foros de discusión
1 clase sincrónica
6 controles de selección
1 proyecto grupal
1 examen final
programas@ing.puc.cl

El curso entrega al estudiante conocimientos y habilidades básicas de modelamiento matemático y estadístico que le permitan extraer información útil de un conjunto de datos. En particular, aprenderá (de manera teórica y práctica, utilizando herramientas computacionales) a procesar, clasificar y agrupar datos, y utilizarlos como insumo para sistemas recomendadores.

Lo aprendido le permitirá al profesional trabajar con datos para poder convertir estos en información útil para la toma de decisiones en su organización, en un amplio rango de aplicaciones, y/o para supervisar a equipos de personas dentro de la misma que deban realizar esta tarea.

Dirigido a:
Profesionales que están a cargo de tomar decisiones y que observan potenciales beneficios en el uso de tecnologías relacionadas a Big Data, y que requieran realizar análisis estadísticos de grandes volúmenes de datos para obtener conclusiones útiles dentro de su organización.

Objetivo de aprendizaje:
- Generar modelos estadísticos de alto impacto para la toma de decisiones en una empresa.

Contenidos del Programa

- Calidad de datos
- Limpieza de datos
- Integración de datos
- Reducción de datos
- Transformación de datos

- El proceso de clasificación
- Árboles de decisión
- Bayes ingenuo
- K-vecinos más cercanos
- Métodos conjuntos: Bagging, Boosting y Random Forests

- Definición y propiedades
- Métodos de partición: K-means y K-medoides
- Métodos jerárquicos

- Impacto y casos importantes
- Filtrado colaborativo
- Filtrado basado en contenido
- Métodos híbridos

Cuerpo Académico

Solicita información y brochure aquí:

Este sitio está protegido por reCAPTCHA y se aplican la política de privacidad y términos del servicio de Google.

 

¿Te gustó este programa?
¡Compártelo en tus redes sociales!

Programas relacionados

Descargar Brochure
Necesitas ayuda? Conversemos
X