Técnicas avanzadas de minería de datos (online)

Aprende conocimientos básicos de minería de datos, incluyendo algoritmos y herramientas que incorporan elementos de aprendizaje de máquina más avanzados.

Este curso forma parte del Diplomado en Minería de datos.

Cursos Técnicas avanzadas de minería de datos

Antecedentes Generales

  • Fecha de inicio

    27 de mayo

  • 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 de apoyo

Este curso profundiza en las técnicas y algoritmos más utilizados en minería de datos. En particular se incluyen las técnicas de aprendizaje reforzado que han ido captando el interés en forma rápida por la amplia gama de aplicaciones donde puede usarse. Adicionalmente en este curso se estudian técnicas de Web Mining y análisis de texto.

Todas las personas que necesiten o estén interesadas en adquirir las habilidades para aplicar técnicas de Data Mining a su trabajo.

Todas las personas que han aprendido lo esencial de Data Mining, pero necesitan profundizar y adquirir algo de fundamentos estadísticos.

Aplicar técnicas avanzadas de minería de datos para extraer información accionable de la data.

Licenciatura, título profesional o técnico de mínimo cuatro años.

Se recomienda contar con:
– Conocimientos de minería de datos o aprendizaje de máquina.
– Manejo de computación a nivel usuario, considerando el uso de planillas Excel a nivel medio.
– Dos años de experiencia laboral.

Contenidos del Programa

Al final del curso podrás:
– Modelar problemas reales mediante técnicas avanzadas de minería de texto, para apoyar procesos de gestión del conocimiento en las organizaciones.
– Aplicar técnicas de aprendizaje reforzado como alternativa de entrenar modelos de aprendizaje.
– Utilizar herramientas de procesamiento de datos, para apoyar el proceso de modelado e interpretación de los resultados obtenidos.
– Aplicar series de tiempo para predecir modelos de negocios, basados en datos históricos.

Contenidos:
Series de tiempo
– Análisis visual de series de tiempo.
– Componentes de una serie de tiempo.
– Estacionariedad de una serie de tiempo.
– Tratamiento de una serie de tiempo no estacionaria.
– Tipos de modelos de series de tiempo.
– Modelos MA.

Minería de texto y web scraping
– Minería de texto.
– Web scraping.

Aprendizaje por refuerzo
– Aprendizaje por refuerzo.
– Métodos de Monte Carlo.

Q-Learning
– Funciones de valor.
– Q-Learning.

Redes neuronales artificiales
– Estructura de una red neuronal artificial.
– Entrenamiento de redes neuronales artificiales.
– Otros tipos de redes neuronales.

Nuevas tendencias de machine learning
– Modelos fundacionales.
– Inteligencia artificial generativa.

Cuerpo Docente

Jefe de Programa

Jaime Navón Cohen

Profesor Asociado del Departamento de Ciencia de la Computación UC

Sebastián Raveau

Profesor Asistente de Ingeniería de Transporte y Logística UC


¿te gusta esta publicación?
Comparte esta publicación